Digital Design & Comp. Arch: L20: GPU Architectures (Spring 2026)

Item: Digital Design & Comp. Arch: L20: GPU Architectures (Spring 2026)
Rating: 5
Author: PostSingularity Institute

par Prof. Onur Mutlu

Sciences formelles & physiques Informatique & Cybersécurité UYInformatique UYFArchitecture informatique et conception logique

🎙 Prof. Onur Mutlu 👥 64K 📅 8 mai 2026 ⏱ 106 min 👁 3K 📄 cours magistral 🧭 2026-08-15

Disponible en : Français (actuel) English

Mots-clés

GPUSIMDarchitectureparallélismemémoire

Résumé

Ce cours magistral de l’ETH Zurich, donné par le professeur Onur Mutlu, présente les architectures GPU en s’appuyant sur les concepts de traitement SIMD (Single Instruction, Multiple Data) vus précédemment. Le professeur commence par rappeler les principes des processeurs vectoriels et matriciels, ainsi que la notion de mémoire bancaire et de conflits de banques. Il explique ensuite que les GPU combinent les approches vectorielle et matricielle pour exploiter le parallélisme de données, mais avec un modèle de programmation basé sur les threads, plus flexible que les instructions vectorielles. Il distingue le modèle de programmation (comment le programmeur exprime le code) du modèle d’exécution (comment le matériel exécute), soulignant que les GPU utilisent le modèle SPMD (Single Program, Multiple Data) pour programmer, tout en exécutant de manière SIMD. Le cours aborde également l’importance de la mémoire à haute bande passante pour alimenter les GPU, ainsi que les défis liés aux conflits de banques. Il mentionne des exemples d’accélérateurs SIMD comme les extensions MMX/AVX des CPU, les processeurs Cerebras Wafer Scale Engine, et les FPGA. Enfin, il introduit les interconnexions entre GPU pour les systèmes multi-GPU, essentielles pour l’entraînement de grands modèles d’IA.

191 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : le cours fournit une base solide sur les architectures GPU, en les reliant aux concepts fondamentaux du traitement SIMD. L’argumentation est claire et progressive, s’appuyant sur des exemples concrets et des références à des travaux de recherche. Le professeur explique les compromis entre modèle de programmation et modèle d’exécution, et souligne l’importance de la mémoire et des interconnexions. La solidité de l’argumentation repose sur une structure pédagogique logique et sur l’expertise reconnue de l’auteur.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est exemplaire : le cours est basé sur des concepts bien établis et des références académiques pertinentes, notamment des articles de recherche sur la mémoire et les architectures. Les sources citées dans la description sont directement liées au contenu (mémoire, RowHammer, accélération de l’analyse du génome). L’adéquation entre le titre et le contenu est parfaite : il s’agit bien d’une leçon sur les architectures GPU. Aucun commentaire n’est fourni, donc aucune analyse des tendances du public n’est possible.

177 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : il s'agit bien d'une leçon sur les architectures GPU dans le cadre d'un cours d'architecture des ordinateurs.

Qualité & fiabilité

9/10

Cours universitaire de niveau master, dispensé par un chercheur reconnu en architecture des ordinateurs, avec des références académiques solides et une présentation rigoureuse des concepts.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

A Modern Primer on Processing in Memory — Lecture recommandée pour approfondir les architectures mémoire-centric.
Memory-Centric Computing: Solving Computing's Memory Problem — Lecture recommandée sur les approches mémoire-centric.
Memory-Centric Computing: Recent Advances in Processing-in-DRAM — Lecture recommandée sur les avancées récentes en processing-in-DRAM.
Intelligent Architectures for Intelligent Computing Systems — Lecture recommandée sur les architectures intelligentes.
RowHammer: A Retrospective — Lecture recommandée sur le problème RowHammer.
Fundamentally Understanding and Solving RowHammer — Lecture recommandée sur la compréhension et la résolution de RowHammer.
Accelerating Genome Analysis via Algorithm-Architecture Co-Design — Lecture recommandée sur l'accélération de l'analyse du génome.
From Molecules to Genomic Variations: Accelerating Genome Analysis via Intelligent Algorithms and Architectures — Lecture recommandée sur l'accélération de l'analyse du génome.

Sources concordantes

A Modern Primer on Processing in Memory — Les concepts de mémoire-centric computing sont en accord avec l'importance de la mémoire soulignée dans le cours.
Memory-Centric Computing: Solving Computing's Memory Problem — Les défis mémoire discutés dans le cours sont abordés dans cette référence.

Références externes

Apport & nouveautés

Ce cours apporte une synthèse claire et structurée des architectures GPU, en les reliant aux concepts fondamentaux du traitement SIMD. Il met en lumière la distinction cruciale entre modèle de programmation et modèle d’exécution, et explique comment les GPU utilisent le modèle SPMD pour offrir une flexibilité de programmation tout en exploitant le parallélisme SIMD. L’accent mis sur la mémoire et les interconnexions est particulièrement pertinent pour comprendre les défis des systèmes modernes.

Pour aller plus loin :

SIMD sur Wikipédia — Pour approfondir le concept de SIMD.
CUDA sur Wikipédia — Pour explorer le modèle de programmation des GPU de NVIDIA.
OpenCL sur Wikipédia — Pour un autre modèle de programmation hétérogène.
Mémoire à haute bande passante (HBM) sur Wikipédia — Pour comprendre les technologies de mémoire utilisées dans les GPU.

132 mots

Profil radar

Le profil radar montre des scores élevés en quantité et qualité d'information, ainsi qu'en fiabilité, reflétant un contenu dense et rigoureux. Le niveau technique est également élevé, indiquant une certaine complexité, mais le cours reste accessible grâce à une pédagogie structurée.

Fiabilité 9/10