Stage Accélération sur FPGA avec outils HLSde la convolution 2D

Accélération sur FPGA avec outils HLSde la convolution 2D

Date limite de candidature : 28/02/2022
Date de début : 01/04/2022
Date de fin : 30/09/2022

Pôle : Signaux et statistiques
Type de poste : Stage
Contact : Nicolas GAC (nicolas.gac@l2s.centralesupelec.fr)

Télécharger
la fiche

Accélération sur FPGA avec outils HLSde la convolution 2D
stage de M2 avec possibilité de poursuite en thèse


Location : Laboratoire L2S, CentraleSupélec, Gif-sur-yvette (91140)
Period : 6 months in spring 2022
Gross salary : approximately 600€ emonthly
Application : A National Security clearance is needed, and it can require approximately 2 months.
Contacts L2S : nicolas.gac@l2s.centralesupelec.fr https://l2s.centralesupelec.fr/u/gac-nicolas
daouda.diakite@l2s.centralesupelec.fr


Mots Clefs : Calcul parallèle, FPGA, Synthèse de haut niveau (HLS), convolution 2D, radioastronomie
Le très grand radiotelescope SKA [GPI-2021] va générer dès 2024 une quantité massive de données (10 Tb/s)
impossible à stocker qui impose un traitement en temps réel. Le défi à relever est de générer des images multi-
dimensionnelles du ciel avec un gain en sensibilité d’un ordre de magnitude à partir du flux de données brutes
provenant des milliers d’antennes. Sur toute la chaîne de traitement, une démarche d’Adéquation Algorithme Ar-
chitecture devra donc être mise en œuvre pour respecter les contraintes de débit, coût et précision de calcul, ainsi
que de consommation énergétique. Dans le cadre du projet ANR Dark-era (2021-25) [Dark-era-2021]et ExaSKA
(2019-22), le L2S en collaboration avec l’IETR, l’IRISA, les observatoires de Paris et de la Côte d’Azur et Atos
Bull explore la mise en œuvre des méthodes nouvelles d’imagerie et de calibration en apportant son expertise
en résolution de problème inverse accéléré sur GPU et FPGA. Les travaux du stagiaire avec des perspectives de
poursuite en thèse s’inscriront dans cette dynamique de recherche du Groupe Problème Inverse (GPI).


Un des plus gros coût calculatoire de la chaine de traitement est lié à la déconvolution des images du ciel. Les
processeurs many cores de type GPUs (Graphic Processing Units) sont à l’heure actuelle la cible technologique
privilégiée afin d’obtenir des facteurs d’accélération d’un ou deux ordres de magnitude. Toutefois, des architectures
conçues sur FPGAs peuvent se révéler des alternatives intéressantes aux GPUs car potentiellement à plus basse
consommation. Poussées par une volonté des constructeurs de les rendre plus accessibles pour leur utilisation
sur des algorithmes tout public, la technologie FPGA connait un réel regain d’intérêt. Sur ce thème, le GPI a
principalement mené ses travaux pour la reconstruction tomographique [Diakite-2021] mais s’intéresse également
à la radioastronomie comme étude de cas. En particulier, les nouveaux outils d’accélération logicielle proposés
par Xilinx et Intel promettent de pouvoir utiliser les FPGAs sans passer par les descriptions matérielles usuelles
(VHDL, Verilog, …) mais en utilisant un langage de haut niveau comme le C, le C++, OpenCL. Ces outils, bien
que fournissant une abstraction permettant une facilité d’accès inégalée sur ces plateformes, apportent leurs lots
de compromis, et une des thématiques du stage sera de les évaluer. Dans le cadre de cette pré-étude, le stage de
niveau M2R proposé aura pour objectif d’effectuer une comparaison du pouvoir d’accélération des architectures
sur FPGA conçues à l’aide des outils HLS (High Level Synthesis) d’Intel (OneAPI et HLS compiler). Cette étude
s’appuiera sur les travaux déjà menés par le GPI pour l’accélération de la convolution 2D sur GPU [Seznec-2021].


Le candidat en Master 2 aura des compétences en programmation parallèle de type Cuda-GPU et/ou
OpenCL-FPGA ainsi qu’une connaissance générale des architectures usuelles (CPU, GPU, FPGA). Un bon niveau
de connaissance en traitement du signal et des images sera tout particulièrement appréciées.

[GPI-2021]Fête de la science www.centralesupelec.fr/fr/radiostronomie-la-decouverte-du-projet-ska-square-kilometre-array
[Dark-era-2021]Projet ANR Dark-era https://dark-era.pages.centralesupelec.fr
[Diakite-2021]D. Diakite and N. Gac, OpenCL FPGA Optimization applied to tomography, IEEE FPL (2021)
[Seznec-2021]M. Seznec and N. Gac et al., Im2Tensor Algorithm for Efficient 2D Convolutions on GPU Tensor
Cores (Under review by the Journal of Real-Time Image Processing)