Comp. Arch. - Lecture 28: Systolic Array Architectures (Fall 2025)

Item: Comp. Arch. - Lecture 28: Systolic Array Architectures (Fall 2025)
Rating: 5
Author: PostSingularity Institute

par Onur Mutlu

Sciences formelles & physiques Informatique & Cybersécurité UYFArchitecture informatique et conception logique UYFPTraitement parallèle

🎙 Onur Mutlu 👥 64K 📅 8 janvier 2026 ⏱ 42 min 👁 4K 📄 cours magistral 🧭 2026-08-15

Disponible en : Français (actuel) English

Mots-clés

systolic arrayarchitectureaccélérateurconvolutionsmachine learning

Résumé

Cette leçon du cours d’architecture des ordinateurs de l’ETH Zürich, donnée par le professeur Onur Mutlu, est consacrée aux architectures de réseaux systoliques (systolic arrays). Le professeur commence par expliquer le contexte général des systèmes spécialisés par rapport aux processeurs généralistes, puis définit le concept de calcul systolique : un flux de données rythmique à travers un réseau régulier d’unités de traitement, sans instructions explicites. Il illustre ce concept avec l’exemple de la convolution, utilisée en traitement d’image et en apprentissage automatique. Il montre comment les réseaux de neurones convolutifs (CNN) reposent sur des opérations de convolution et de multiplication matricielle, et comment les réseaux systoliques sont particulièrement adaptés à ces charges de travail. Il mentionne l’importance historique des réseaux systoliques, leur adoption dans les accélérateurs matériels modernes pour l’IA, et les différences avec le pipeline classique. Enfin, il évoque des perspectives de recherche et encourage les étudiants à s’engager dans la recherche en architecture des ordinateurs.

157 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : le cours fournit une explication claire et approfondie des réseaux systoliques, un concept fondamental en architecture des ordinateurs. L’argumentation est solide, s’appuyant sur des exemples concrets (convolution, CNN) et des références historiques (travaux de Kung, succès d’AlexNet). Le professeur justifie l’intérêt des réseaux systoliques par leur efficacité pour les calculs matriciels et leur adoption dans les accélérateurs d’IA modernes. Il compare également ce modèle à d’autres modèles d’exécution (Von Neumann, dataflow, VLIW), ce qui renforce la compréhension.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est exemplaire : le professeur cite des articles de recherche pertinents (notamment ceux de Kung sur les réseaux systoliques) et fournit des références pour approfondir. Les sources sont fiables et académiques. L’adéquation entre le titre et le contenu est parfaite : la leçon traite bien des architectures de réseaux systoliques. Aucune publicité n’est présente dans la vidéo.

159 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : il s'agit bien de la 28e leçon du cours d'architecture des ordinateurs, consacrée aux architectures de réseaux systoliques.

Qualité & fiabilité

9/10

Cours magistral d'un professeur reconnu (ETH Zürich), s'appuyant sur des références académiques solides (articles de recherche, cours en ligne). Le contenu est structuré, précis et pédagogique, avec une mise en perspective historique et des applications concrètes.

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 concepts de calcul en mémoire, liés aux réseaux systoliques.
Memory-Centric Computing: Solving Computing's Memory Problem — Référence sur l'importance de la mémoire dans les architectures modernes, en lien avec les réseaux systoliques.
Memory-Centric Computing: Recent Advances in Processing-in-DRAM — Article sur les avancées récentes en calcul dans la mémoire, pertinent pour comprendre les défis de bande passante.
Intelligent Architectures for Intelligent Computing Systems — Article invité sur les architectures intelligentes, mentionné comme lecture recommandée.
RowHammer: A Retrospective — Article sur RowHammer, un problème de fiabilité mémoire, cité comme lecture recommandée.
Fundamentally Understanding and Solving RowHammer — Article sur la compréhension et la résolution de RowHammer, en lien avec la fiabilité des mémoires.
Accelerating Genome Analysis via Algorithm-Architecture Co-Design — Article sur l'accélération de l'analyse du génome, montrant l'application des concepts d'architecture.
From Molecules to Genomic Variations: Accelerating Genome Analysis via Intelligent Algorithms and Architectures — Article sur l'accélération de l'analyse du génome, en lien avec les architectures spécialisées.

Sources concordantes

Systolic array - Wikipedia — Article de synthèse sur les réseaux systoliques, concordant avec les explications du cours.
Convolutional neural network - Wikipedia — Article sur les CNN, qui utilisent des convolutions et sont souvent implémentés sur des réseaux systoliques.

Références externes

Apport & nouveautés

Cette leçon apporte une explication pédagogique et approfondie des réseaux systoliques, un concept fondamental mais souvent peu couvert dans les cours d’architecture. Elle met en lumière leur importance pour les accélérateurs d’IA modernes et leur rôle dans l’évolution des architectures spécialisées. Le professeur relie les concepts théoriques à des applications concrètes (convolution, CNN) et à des exemples historiques (AlexNet), ce qui facilite la compréhension.

Pour aller plus loin :

Systolic array - Wikipedia — Article de référence sur les réseaux systoliques, leurs principes et applications.
Convolutional neural network - Wikipedia — Pour approfondir les réseaux de neurones convolutifs, qui utilisent des convolutions et peuvent être implémentés sur des réseaux systoliques.
H. T. Kung’s paper on systolic arrays — Article fondateur de Kung sur les réseaux systoliques (accès payant).

128 mots

Profil radar

Le profil radar montre des scores élevés dans toutes les dimensions, avec une légère prédominance de la quantité d'information et de la fiabilité. Cela indique un contenu très riche, bien structuré et fiable, adapté à un public technique.

Fiabilité 9/10