Consulte algunas conferencias para ver algunos temas:
ISCA: Actas del 43º Simposio Internacional sobre Arquitectura de Computadores
ASPLOS: Actas de la 22ª Conferencia internacional sobre soporte arquitectónico para lenguajes de programación y sistemas operativos
Los más llamativos para mí son:
Aprendizaje profundo : con base en algunos de los trabajos que he leído, esta es un área de investigación muy joven que aún no está cerca de ponerse al día con respecto al aprendizaje profundo, lo que significa que hay mucho de fruta baja. Los documentos aceptados para ISCA 2016 generalmente se centran en aceleradores para redes neuronales convolucionales. El aprendizaje profundo es muy popular en la industria, y esta área de investigación continuará creciendo, aunque no estoy completamente convencido de que los aceleradores de aprendizaje profundo realmente superen a las GPU en el mundo real. Aún así, si está interesado en obtener un doctorado en arquitectura de computadoras, aquí es donde definitivamente obtendrá uno.
Memoria : los tiempos de acceso a la memoria no se están acelerando tan rápido como los tiempos de la CPU, lo que en efecto significa que el acceso a la memoria es “más lento”, o más bien, requiere más ciclos de la CPU. El interés en la tecnología y los algoritmos para ayudar a acelerar el acceso a la memoria no desaparecerá pronto, en mi opinión. Uno de mis profesores estaba investigando en tecnologías de cambio de fase, aunque no he estado siguiendo los últimos avances en este tema.
Centros de datos : aunque tal vez no sea tan “candente” como Deep Learning, este es un campo sumamente importante e impactante que interesará a cualquier gran empresa tecnológica que aloje sus propios centros de datos (por ejemplo, Google, Microsoft, Amazon). Sin conexiones con la industria, la investigación en esta área es difícil, pero cualquier solución en esta área literalmente le ahorrará a las compañías cientos de millones de dólares.
Energía : la proliferación de dispositivos móviles, así como la pared de energía, necesitan soluciones de baja potencia. La necesidad de ahorrar energía no desaparecerá, por lo que debe haber un amplio interés y oportunidades en esta área.
Aquí hay otros temas sobre los que recuerdo haber leído en 2013–2014 pero que pueden haber pasado de moda desde entonces:
Arquitecturas heterogéneas : estamos en el punto donde no podemos alimentar todos los transistores que tenemos en el chip. Las formas de evitar esto generalmente han implicado arquitecturas heterogéneas, donde tiene múltiples unidades de cálculo distintas que están optimizadas en términos de rendimiento y potencia para tareas específicas. Luego, puede dirigir el cálculo a esas unidades. Vi algunos resúmenes en esta área en la tabla de contenido de ISCA, por lo que parece que este sigue siendo un campo relevante, aunque uno más maduro que probablemente tenga menos frutos que otras disciplinas.
Seguridad de hardware : la seguridad es tremendamente importante en todas las disciplinas informáticas. Sin embargo, los exploits son mucho más fáciles de implementar a nivel de software en comparación con el nivel de hardware, y tener soluciones de hardware para la seguridad termina siendo poco práctico mientras se logra un beneficio mínimo, en mi opinión. Aún así, no impedirá que las investigaciones lo intenten, y estoy bastante seguro de que la gente todavía está publicando artículos en esta área.
Desafortunadamente, muchos temas que son fundamentales para comprender la arquitectura de la computadora están básicamente muertos en este punto:
Predicción de rama : este campo está muerto. La predicción de rama ya es lo suficientemente buena.
Optimizaciones de un solo núcleo / paralelismo a nivel de instrucción : si bien sería genial tener algo de innovación en este campo nuevamente, desafortunadamente hemos topado con la pared de potencia y, por lo tanto, ahora obtenemos la mayoría de nuestros beneficios de rendimiento de múltiples núcleos. Además, nuestra última esperanza con respecto al paralelismo en el nivel de instrucción eran las máquinas de flujo de datos, que desafortunadamente es un campo muerto.