DARPA: Komplett neuer Prozessor soll Neumann-Design überwinden

Die Forschungs-Agentur des US-Militärs DARPA hat ein Projekt angeschoben, mit dem eine komplett andere Prozessor-Architektur in die Praxis umgesetzt werden soll. An der Entwicklung arbeiten bereits Intel und Qualcomm mit, die Interesse an einer kommerziellen Verwertbarkeit der Technik haben.
Einordnung von HIVE
Die DARPA finanziert die Arbeit des Forscher-Teams, das sich aus Vertretern der beiden Unternehmen und auch anderen Einrichtungen zusammensetzt, binnen der kommenden viereinhalb Jahre mit einem Betrag von 80 Millionen Dollar. Das Ziel besteht darin, den weltweit ersten Graph Analytic Processor (GAP) zu bauen. Die Projektbezeichnung lautet Hierarchical Identify Verify Exploit (HIVE).

"Wenn man sich die heutigen Computer-Architekturen anschaut, nutzen sie alle die gleichen von-Neumann-Architekturen, die in den 1940er Jahren erfunden wurden", erklärte Trung Tran, Programmmanager von der DARPA. CPUs und GPUs hätten sich über die Jahre zwar zu hochgradigen Parallel-Rechnern entwickelt, es handle sich bei jedem Core aber noch immer um eine von-Neumann-Maschine.

Arbeitsweise nicht direkt vergleichbar

Die neue Technologie soll völlig anders arbeiten. Während die bekannten Chips beispielsweise stets schrittweise Berechnungen durchführen, kann die neue Architektur gleichzeitig an verschiedenen Punkten eines großen Speichers Veränderungen durchführen. Das erfordert entsprechend nicht nur ein neues Prozessor- sondern auch ein anderes Speicher-Design. Der Unterschied bei der Aufgabenverarbeitung lässt sich sehr entfernt mit den verschiedenen Konzepten zwischen imperativer und funktionaler Programmierung vergleichen - während bei ersterer Programme schrittweise durchlaufen werden bestehen die anderen aus den Zustandsbeschreibungen, die sich aus mathematischen Funktionen ergeben.

Die von der DARPA angestrebte Technologie hätte bei einer Reihe von Berechnungen massive Vorteile. Allein der Zugriff und die Veränderung bestimmter Informationen im Arbeitsspeicher könnte hier von den heutigen Gigabit- auf Terabit-Bandbreiten angehoben werden. Insbesondere bei der Arbeit mit riesigen Datenmengen, wie es beispielsweise bei Analysen für das Maschinelle Lernen der Fall ist, wäre das von enormem Vorteil.