Uključene obrazovne institucije
Univerzitet u Kragujevcu
Cilj predmeta je da se studenti upoznaju sa savremenim arhitekturama DataFlow računara i steknu
neophodna znanja o DataFlow računarima potrebna za samostalna istraživanja, modelovanje rešenja i
primenu ovih računara. DataFlow računari mogu da postignu ubrzanja od 10 do 100 puta u odnosu na
ControlFlow računare, a pod određenim okolnostima i mnogo veća ubrzanja, a da pritom potroše 10
puta manje električne energije, da imaju fizičku zapreminu oko 10 puta manju, kao i da omogućavaju
mnogo veću fleksibilnost u preciznosti tretiranja relevantnih problema. Takođe, cilj ovog
predmeta je i da studenti ovladaju kreativnim tehnikama u ovom domenu kao i tehnikama od interesa
za upravljanje kompleksnim projektima iz domena koji pokriva ovaj predmet.
Očekuje se da će studenti razviti sposobnost da razumeju i samostalno dizajniraju savremene
sisteme zasnovane na DataFlow računarima, koristeći programski model koji je Intel najavio za svoj
procesor na čipu koji će izaći na tržište do kraja 2020. godine. Takođe, očekuje se da će studenti
razviti sposobnost da programiraju DataFlow računare na višim nivoima apstrakcije, kao i da
porede različite paradigme po parametrima kao što su brzina, potrošnja električne energije, broj
tranzistora na čipu i fleksibilnost tretiranja algoritama.
Teorijska nastava
Predmet analizira razvoj super računara (Feynman-ova i Neumann-ova paradigma), definiše DataFlow SuperComputing paradigmu, predstavlja njene prednosti i upoznaje studente sa novim DataFlow programskim modelom na primeru Maxeler računara. Predmet pokriva sve faze razvoja sistema na bazi DataFlow paradigme: kompilacija programa, operativni sistem, metode za ubrzavanje algoritama, metode za smanjenje potrošnje, sinergiju sa IoT i WSN, odnosno sa sistoličkim poljima i ASIC komponentama. DataFlow računari će biti predstavljeni komparativno u odnosu na ControlFlow računare. Posebna pažnja je posvećena kontribucijama 4 nobelovca (Feynman, Prigogine, Kahneman, Hunt), koje proces komilacije mogu učiniti, u adekvatnim uslovima, neuporedivo
efektivnijim. Posebna pažnja posvećena je problemima efikasnosti i efektivnosti u domenu
istraživanja i razvoja.
Praktična nastava
Praktična nastava uključuje analizu alata za razvoj programa na DataFlow računarima, a pre svega
upoznavanje sa MaxIDE programskim okruženjem. Na praktičnim vežbama studenti se upoznaju sa
nizom primera primene DataFlow računara u sledećim oblastima: matematička algoritmika, obrada slike, mašinsko učenje, tenzorski račun (koji se može primeniti u genomici, finansiskim
analizama, simulacijama u prirodnim naukama, sigurnosti i drugde). Predmet uključuje četiri
domaća zadatka (matematička algoritmika, obrada slike, mašinsko učenje i tenzorski račun).
Studijska istraživanja uključuju mogućnost saradnje na DataFlow serijama knjiga izdavača Springer i
Elsevier (koje se nalaze na SCI listi), kao i mogućnost uključenja u kreativne naučno istraživačke
projekte.
