Dans ce module, nous allons avoir un premier aperçu de la façon de tirer le meilleur parti de la combinaison des instances F1 avec SDAccel en fournissant quelques instructions pratiques sur la façon de développer des applications accélérées sur Amazon F1 en utilisant l'environnement de développement Xilinx SDAccel. Ensuite, nous allons présenter ce qui est nécessaire pour créer des noyaux FPGA, assembler le programme FPGA et compiler l'Amazon FPGA Image, ou AFI. Enfin, nous décrirons les étapes et les tâches nécessaires au développement d'une application hôte accélérée sur le FPGA F1.

Dans ce module, nous allons vous présenter l'algorithme de Smith-Waterman que nous avons choisi pour démontrer comment créer une implémentation matérielle d'un système basé sur les technologies FPGA en utilisant le cadre de conception Xilinx SDAccel. Nous allons entrer dans les détails de l'algorithme, de ses structures de données au flux de calcul. Nous allons ensuite présenter le modèle Roofline et l'utiliser pour analyser les performances maximales théoriques et l'intensité opérationnelle de l'algorithme de Smith-Waterman.

Dans ce module, nous allons approfondir l'algorithme de Smith-Waterman. Nous allons implémenter une première version de l'algorithme sur un serveur local avec le cadre de conception Xilinx SDAccel. Ensuite, nous allons introduire quelques optimisations pour améliorer les performances, en particulier nous allons ajouter plus de parallélisme dans l'implémentation et nous allons introduire des tableaux systoliques. De plus, nous explorerons comment nous pouvons effectuer la compression des données et nous exploiterons les ports mémoire multiples pour améliorer la vitesse d'accès à la mémoire. Enfin, nous allons porter notre implémentation de l'algorithme de Smith-Waterman sur les instances AWS F1.

Nous travaillons à la pointe de la recherche dans le domaine de l'informatique reconfigurable. Les technologies FPGA ne sont pas seulement utilisées comme des solutions/plateformes autonomes, mais sont désormais incluses dans les infrastructures en nuage. Elles sont désormais utilisées à la fois pour accélérer les calculs de l'infrastructure/du backend et exposées en tant que service pouvant être utilisé par n'importe qui. Dans ce contexte, nous sommes confrontés à la définition de nouvelles opportunités de recherche et d'amélioration des technologies et le moment ne peut être mieux choisi dans cette perspective. Ce module conclut ce cours mais pose des questions intéressantes sur les orientations futures possibles de la recherche qui peuvent également orienter les étudiants vers d'autres cours Coursera sur les FPGA.