Микропроцессорлардың бейдәстүрлі архитектуралары

Микропроцессорлардың бейдәстүрлі  архитектуралары 

 Ақпаратты  цифрлік өңдеу әдістерінің қарқынды  дамуы микропроцессорлық жабдықтардың (дербес компьютерлер мен сәйкес  перифериялық құрылғылар) жасалуына  және олардың өндірістің барлық  саласына енгізілуіне алып келді. Есептеу машиналарының архитектуралары туралы білім негізін атақты американдық математик Джон фон Нейман қалап кеткені белгілі. 1946 жылы ол өз әріптестері Г.Голдстайн және А.Беркспен бірге «Электрондық есептеу құрылғысының логикалық конструкциясын алдын-ала қарастыру» атты мақаласында қазір классикалық болып табылатын есептеу машиналарын құру приципін ұсынған еді.  Сол фон Неймандық негізде алғашқы микропроцессор жасалған болатын. Сонау 70-жылдардан басталатын микропроцессордың даму тарихы әлі күнге дейін өз жалғасын табуда. Классикалық архитектуралы микропроцессорлармен бірге жаңа, бейдәстүрлі микропроцессорлар қатар дамып келеді. Ендігі сөз сол туралы болмақ.

 Микропроцессорлардың  дәстүрлі емес түрлеріне ассоциативті  процессорлар, матрицалық процессорлар, ДНҚ-процессорлар, сигналдық процессорлар, деректер базасының процессорлары, коммуникациялық процессорлар, ағындық процессорлар, нақты емес логикалы процессорлар және нейропроцессорлар жатады. Енді солардың әрқайсысына жеке-жеке тоқталып өтейік.

Ассоциативті процессорлар. Қазіргі уақыттағы қолданбалы есептердің алгоритмдері, жүйелік программалық қамтамасыздандыру және аппараттық жабдықтардың басым бөлігі деректердің дәстүрлі адрестік өңделуіне бағытталған. Бұл операциялық жүйелер мен программалау жүйелерінің күрделенуіне алып келеді және деректерді өңдеудің параллелизмін тиімді қолдануға бағытталған архитектуралы есептеу жабдықтарын жасауға кедергі келтіреді. Деректерді өңдеудің ассоциативті әдісі осы сияқты көптеген шектеулерді жеңуге мүмкіндік береді. Бұл тәсілдің мәні — деректерді іріктеудің қандай да бір шартын беріп, тек сол шартты қанағаттандыратын деректерді ғана түрлендіруде. Іріктеу шарты барлық деректердің ішінен ізделінетін деректерді бөліп алу үшін жеткілікті кез-келген элементпен сәйкестік бола алады. Деректерді іздеу деректердің берілген элементімен үлкен немесе кіші корелляциясы бар үзінді бойынша жүргізіледі.

Матрицалық  процессорлар. Командалардың бір  ағыны – деректердің көп ағыны (SIMD) класының ішіндегі кең таралған жүйелер – матрицалық жүйелер болып табылады. Олар бір-бірінен тәуелсіз объектілер немесе деректердің параллелизмімен сипатталатын есептерді шешуге бейімделген. Мұндай типті жүйелерді ұйымдастыру жеткілікті қарапайым. Олардың командалар ағынын және параллелді жұмыс істейтін процессорлық элементтерді қалыптастыратын жалпы басқарушы құрылғысы болады. Осылайша жүйенің өнімділігі барлық процессорлық элементтердің өніміділігінің қосындысына тең болып шығады. Бірақ практикада ауқымды есептерді шешкен кезде жүйенің жеткілікті тиімділігін арттыру үшін процессорлар элементтерінің арасындағы байланысты оларды жұмыспен толық жүктейтіндей ұйымдастыру керек. Процессорлар элементтері арасындағы байланыстар сипаты жүйенің түрлі қасиеттерін анықтайды

 Алғашқы  матрицалық процессорлардың бірі SОLОМОN болды (60 ж.). SОLОМОN жүйесінің 32x32 матрица түрінде біріктірілген 1024 процессорлық элементі бар. Матрицаның әрбір процессорлық элементінде арифметикалық және логикалық операциялардың орындалуын қамтамасыз ететін процессор мен сыйымдылығы 16 Кбайт жедел есте сақтау құрылғысы бар. Сөздің ұзындығы 1-ден 128 разрядқа дейінгі айнымалыға тең. Сөздердің разрядтылығы программамен орнатылады. Байланыс арналары арқылы басқару құрылғысынан командалар мен ортақ тұрақты шамалар беріледі.

ДНҚ-процессорлар. Қазіргі кезде жартылай өткізгіш технологиялардың орнын басатын жаңа есептеу жүйелерін жасау технологиясын іздеу барысында ғалымдар биотехнологиялар мен биокомпьютингке көбірек назар аударуда. Биокомпьютинг ақпараттық, молекулярлық технологиялар және биохимияның гибриді болып табылады. Ол биохимия мен молекулярлық биологияда қабылданған әдістерді пайдалану арқылы тірі ұлпалар, жасушалар, вирустар және биомолекулалар көмегімен есептеулерді ұйымдастыра отырып күрделі есептерді шешуге мүмкіндік береді.

 Ең кең  таралған әдіс негізгі элемент (процессор) ретінде дезоксинирибонуклеинді қышқылдың молекулалары қолданылатын әдіс болып табылады. Бұл тәсілде басты орынды ДНҚ-процессор алады. Сонымен қоса биопроцессор ретінде ДНҚ-дан басқа ақуыз молекулалары мен биологиялық мембраналар қолданыла алады.

 ДНҚ  негізіндегі алғашқы компьютерді  1994 ж. американдық ғалым Леонард  Адлеман жасап шығарды. Ол ішінде  бастапқы деректер кодталған  ДНҚ молекуласы мен арнайы  іріктелген ферменттерді пробиркада  араластырған.

 Химиялық  реакциялар нәтижесінде ДНҚ құрылымы онда есептің жауабы кодталған түрде келтірілетіндей өзгерген. Есептеулер химиялық реакция барысында ферменттердің қатысуымен жүргізілгендіктен, оларға өте аз уақыт шығындалған.

Коммуникациялық процессорлар. Коммуникациялық процессорлар – қатаң мамандандырылған интегралды микросхемалар мен жалпы міндетті иілгіш процессорлар арасындағы микрочиптер. Коммуникациялық процессорлар қарапайым процессорлар сияқты программаланады, бірақ олар желілік есептерді ескерумен құрылған және желілік жұмыс үшін оптимизацияланған. Олардың негізінде процессорлар мен құрылғыларды шығарушылар спецификалық қосымшаларға программалық қамтамасыздандыру жазады.

 Коммуникациялық  процессордің жеке жадысы болады  және ол басқа процессорлық  түйіндермен байланысу үшін жоғары жылдамдықты сыртқы арналармен жабдықталған. Бұл есептеу процессорын процессорлық түйіндер арасындағы хабарлама алмасумен байланысты жүктемеден едәуір босатады. RISC – ядролы коммуникациялық процессор бірнеше тәуелсіз каналдар арқылы деректер алмасуды басқаруға, барлық дерлік алмасу протоколдарын қолдауға, уақыттық бөлінген тізбекті деректер ағымын тиімді таратуға және өңдеуге мүмкіндік береді.

Intel IXP4xx коммуникациялық  процессорларының жаңа сериясы  XScale таратылған архитектурасы негізінде  құрылған және қуатты мультимедиялық мүмкіндіктер мен Ethernet желілерінің дамыған интерфейстерін қамтиды.

Деректер  базасының процессорлары. Қазіргі  кезде деректер базасының процессорлары (машиналары) деп деректер базасын  басқару жүйелерінің (ДББЖ) барлық немесе кейбір функцияларын орындауға арналған программалық-аппараттық кешенді атау қабылданған. Егер өз уақытында деректер базасын басқару жүйелері негізінен мәтіндік және сандық ақпаратты сақтауға арналған болса, енді олар әртүрлі деректер форматына есептелген, олардың ішіне графика, дыбыс және видео да кіреді. Деректер базасының процессорлары басқару және тарату қызметтерін атқарады, ақпаратқа шлюз арқылы дистанциялық қатынас құруды, және сонымен қоса көбейтудің түрлі әдістері көмегімен жаңартылған деректердің жаңғыртылуын қамтамасыз етеді.

Ағындық процессорлар. Ағындық процессорлар деп жұмыс  істеу негізінде көп деректерді бір команданың көмегімен өңдеу  принципі жатқан процессорларды атайды. Флинн классификациясы бойынша  олар SIMD архитектурасына жатады. SIMD технологиясы бір амалды, мысалы айыру немесе қосуды бір мезгілде бірнеше сандар жиынымен орындауға мүмкіндік береді.

 Ағындық  процессорлардың жарқын өкілі  Intel процессорларының тобы болып  табылады. Pentium III процессорынан бастап, олардың негізінде Streaming SIMD Extensions (SSE, «бір команда – көп дерек» принципі бойынша ағындық өңдеу).

Көп мағыналы (нақты емес) логикалы процессорлар. Нақты емес логикалы (fuzzy logic) процессорларды құру идеясы нақты емес математикаға негізделген. Профессор Л.А. Заде ұсынған нақты емес жиындардың математикалық теориясы белсенді зерттеу пәні бола отырып жүйелік талдаушыларға үлкен мүмкіндіктер береді. Осы теорияға негізделген түрлі компьютерлік жүйелер өз кезегінде нақты емес логиканың қолдану облысын кеңейтеді.

1986 жылы AT&T Bell Labs компаниясында ақпаратты өңдейтін нақты емес логикалы процессорлары жасалды.

90-жылдардың  басында АҚШ-тағы Adaptive Logic компаниясы  аналогты-цифрлік технология бойынша  жасалған кристалл шығарды. Ол  нақтые емес микроконтроллерлердің  дәстүрлі схемалараның орнын баса отырып, көптеген нақты уақыт басқару жүйелерін жасау уақытын қысқартуға мүмкіндік береді. Екінші буынның нақты емес логикалы аппараттық процессоры аналогты сигналдарды қабылдап, оларды нақты емес форматқа айналдырады, содан соң сәйкес ережелерді қолдана отырып нәтижелерді жай логика форматына, содан соң аналогты сигналдарға түрлендіреді.

Сигналдық процессорлар. Тұтынушылардың артқан сұранысына жауап ретінде Motorola фирмасы  сигналдарды цифрлік өңдеудің күрделі  алгоритмдеріне және басқару есептерін шешуге бағытталған жаңа архитектура жасап шығарды. DSP568xx микросхемалар тобы 16 разрядты DSP56800 процессорының ядросының негізінде құрылған. Бұл ядро басқару есептерін тиімді шешуге және сигналдарды цифрлік өңдеуге арналған. Онда жүзеге асырылған командалар жиыны цифрлік сигналдардың ең жақсы жалпы міндетті DSP тиімділігімен өңделуін қамтамасыз етеді және ықшам басқару программаларының қарапайымдылық талаптарына жауап береді.

Нейрондық архитектура. Жаңа архитектуралардың  ішіндегі ең болашағы зор бағыт жасанды нейронды желілерге тән ақпаратты өңдеу принциптерінің негізінде компьютерлердің жаңа буынын жасаумен тығыз байланысты.

 Нейрокомпьютерлердің  жұмыс істеу негізі адам миы  мен жүйке жүйесінің ақпаратты  өңдеу тәсілдерін модельдеу болып табылады. Бұл бағыттың бастамасы американдық екі ғалым У. Маккалок пен У. Питтстің 1943 жылы жариялаған мақаласы болды. Онда жүйке жүйесінің жасушалары – нейрондар қарапайым логикалық құрылғылар ретінде қарастырылған.

 Әр нейрон  көрші нейрондардан арнайы жүйке талшықтары арқылы сигналдарды қабылдайды. Бұл сигналдар қоздырғыш немесе тежегіш болуы мүмкін. Олардың қосындысы нейрон денесінің электрлік потенциалын анықтайды. Потенциал белгілі бір шектен асқан кезде нейрон қозып, шығыс жүйке талшықтары арқылы сигнал жібереді. Жеке жасанды нейрондар бір-бірімен түрлі әдістермен байланысады. Бұл әр түрлі архитектуралы неше түрлі нейронды желілерді жасауға мүмкіндік береді.

 Жасанды нейронды желілердің  тамаша қасиеттері бар. Олар  программалық қамтамасыздандыруды  детальды жасауды талап етпейді,  және теориялық модельдері немесе  шешу алгоритмін анықтайтын эвристикалық  ережелері жоқ есептерді шешу  мүмкіндіктерін ашады. Мұндай  желілердің жұмыс істеу жағдайларының өзгеруіне, сонымен бірге алдын-ала қарастырылмаған факторлардың пайда болуына бейімделу мүмкіндіктері бар.

 Ақпаратты өңдеудің нейрожелілік  әдістерінің және бір ерекшелігі  есептеулердің жоғарғы параллелизмі  және, сәйкесінше, аппараттық қолдаудың арнайы жабдықтарын пайдалану болып табылады. Қарастырылып отырған мәселенің шешуі ретінде арнайы жылдамдатушы тақшаларды қолдану ұсынылды. Мұндай тақшалар қарапайым дербес компьютердің процессорымен қатар жұмыс істеп, негізгі есептеу жүктемесін өз мойнына алады. Ал негізгі процессор жылдамдатушы тақшада орналасқан қуатты есептеу жабдықтарын басқару құрылғысына айналады.

 Нейропроцессор әдетте екі  негізгі блоктан тұрады: әмбебап  есептеу құрылғысының ролін орындайтын  скалярлық блок және векторлық-матрицалық амалдардың орындалуына бағытталған векторлық блок. Скалярлық құрылғы процессорларды әртүрлі конфигурациялы есептеу желілеріне біріктіруге мүмкіндік беретін жады және байланыс порттарына интерфейсті қамтамасыз етеді. Скаляр құрылғының негізгі міндеті – процессордың векторлық бөлігіне деректерді дайындау. Бұл үшін адрестеудің бірнеше режимдері, жадылы интерфейс, арифметикалық және логикалық амалдар жиыны, регистрлік жұптармен жұмыс жасау мүмкіндігі бар.

 Нейрондық желілердің түрлі  модельдерінің нейропроцессор кристаллдарындағы көптеген жүзеге асырылулары бар. Нейрочиптердің түрлі нұсқаларын шет елдік фирмалар шығарды және әлі күнге дейін шығарып келеді, олар: Intel, IBM, Siemens, Fujitsu, Philips, AT&T және Ресейлік «Модуль» ғылыми-техникалық орталығы.

 Нейрокомпьютерлер сияқты дәстүрлі  емес архитектуралы жаңа есептеу  жүйелері үлкен өлшемді ақпараттық  массивтерді тез өңдеуге мүмкіндік  береді. Дәстүрлі есептеу жүйелерімен  салыстырғанда нейрожелілік есептеуіштер  нейронды желіле сияқты дискретті және үздіксіз сигналдардың ақпараттық ағындарын өңдеуге мүмкіндік береді. Олардың құрамында қарапайым есептеу элементтері бар және олар алынған шешімге байланысты есептеу ортасының өзін-өзі қайта құру режимін қамтамасыз ете отырып деректерді өңдеудің ақпараттық есептерін жоғары сенімділікпен шешеді.

 Жалпы айтқанда, «нейрокомпьютер»  терминінің астында есептеуіштердің  кең класы жатыр. Бұл кез-келген  нейрожелілік алгоритмнің (биологиялық  нейронның моделінен бастап бейнелерді  тану жүйелеріне дейін) аппараттық жүзеге асырылуын есептеуге формалды түрде нейрокомпьютер деп есептеуге болатындығынан.

 Қазіргі уақыттағы технология  жалпыға арналған нейрокомпьютерлер  (әрі жасанды зерде болып табылатын)  туралы айтуға болатындай даму  деңгейіне жеткен жоқ. Салмақтық коэффициенттері тұрақты жүйелер – нейрожелілік топтың бір ғана саланың есептерін шешуге арналған түрі. Осылайша нейрокомпьютерлерді құру – бұл нейрондық желілердің барлық элементтерінің аппараттық жүзеге асыру жолында әрқашан терең зерттеу жүргізу деген сөз.

21 ғасырдың басында, 40-50 жылдармен  салыстырғанда нейрокомпьютерлерді  жасауды үйренуге, яғни параллелді  әрекет ететін нейрондарды аппараттық  жүзеге асыруға деген қажеттілік  жоғарырақ.

 Ұзақ уақыт бойы нейрокомпьютерлер  шешу алгоритміне шынайы тәжірибелік материалдармен оқыту үрдісін қосу қажеттілігімен байланысты, формализацияланбайтын немесе нашар формализацияланатын есептерді шешуге тиімді деп есептеліп келді. Бірінші кезекте мұндай есептерге функцияның жеке түрінің аппроксимациясы есебі, яғни бейнелерді тану есебі жатады. Қазіргі кезде бұл классқа тәжірибелік материалдармен оқытуды талап етпейтін, бірақ нейрожелілік логикалық базисте жақсы келтірілетін есептер класы қосылады. Оларға сигналдарды өңдеудің табиғи параллелизмі айқын бейнеленген есептер, суреттерді өңдеу есептері т.б. жатады.

 Болашақта нейрокомпьютерлердің  басқа архитектураларға қарағанда  тиімдірек болады деген көзқарасты  растау ретінде соңғы жылдары  логикалық нейрожелілік базисте  шешілетін жалпы математикалық  есептер классының кенеттен кеңеюін айтуға болады.

 Бүгінгі таңдағы маңызды  есептердің бірі — сөйлеуді  тану есебі болып табылады. Сөйлеуді  тану қазір көп жерлерде кеңінен  қолданыс табуда.