【论文阅读】对计算机体系结构研究的一点认识

作者:钱学海

钱教授是计算机体系结构,计算机系统,硬件安全方向的大牛,目前在清华做科学研究~


学习体会:

好的研究:(WHY)

研究的问题重要性+解决方案新颖性

PS:具备两者之一,就能搞

重要问题: (单位比值)

提高收益 或 降低能耗

研究方法:抓住解决的核心问题

涉猎广泛;

大量阅读,对已有的知道不同和不足,思考为什么有这种差异和不足


摘录自钱教授文章:

计算机体系结构论文的结构相对固定,包括摘要、引言、研究动机、新想法、具体实现、试验评估和结论几个部分。

摘要

用最直接的语言指出 本文的贡献,简明扼要地说明文章的主要想法,概括实验结果。 摘要需要突出 问题的重要性和好的结果 。

引言

引言部分像给别人讲一个完整的故事,需要有动机、现有的方案、论文的想法以及它比以前方案好的原因,最后概括实验结果。 这部分也是 整个论文的缩影 , 引言比较难写和 费时间,需要反复修改。
对于大部分论文,审稿人在读完引言后就已经做出拒收的决定,后面的内容只是用于寻找拒收的理由。

研究动机

尽可能从本质上讲清楚现有方案存在的问题, 别人为什么这么做? 是否因为以前工作的 假设?这个假设现在还是否有必 要?这样的问题可以不断地问下 去,

新想法和具体实现

可以专注于描述自己的成果,这里需要注意两个问题:
一是 新想法部分 尽可能少地添加和实现相关的讨论,概念一定要先定义再使用
二是 实现部分 的描述要确保内容严谨,对细节尽可能考虑全面。描述一定要流畅,即每句话之间的因果关系要自然且正确。

评估

是体系结构论文中很重要的部分。
一定要仔细检查结果的合理性。容易出现的问题是,如果结果很好,就不再推敲 ;如果结果不好,才会寻找原因。但实际上,无论结果好坏,都应该对其进行认真的分析和确 认,做到尽可能全面地解释所有结果。

反驳环节

在反驳中,不仅需要用简明的语言,正面回答提出的问 题,同时还要有选择性地回答问题。一般来说,需要多回答"专家" (专业水平或者信任度高的审稿人)的问题


体系结构四大会:

ISCA: International Symposium on Computer Architecture ,计算机体系结构国际研讨会;
HPCA: International Symposium on High Performance Computer Architecture ,高性能计算机体系结构国际研讨会;
MICRO: International Symposium on Microarchitecture ,微体系结构国际研讨会;
ASPLOS: International Conference on Architectural Support for Programming Languages and Operating Systems ,编程语言和操作系统的体系结构支持会议。


参考文献: 对计算机体系结构研究的一点认识-钱学海-中国计算机学会通讯2014年第6期-CCF数字图书馆

相关推荐
万里守约16 小时前
【论文阅读】SAM-CP:将SAM与组合提示结合起来的多功能分割
论文阅读·图像分割·多模态·语义分割·实例分割·图像大模型
chnyi6_ya16 小时前
2025/02/22阅读论文笔记
论文阅读
Jackilina_Stone2 天前
【论文阅读笔记】浅谈深度学习中的知识蒸馏 | 关系知识蒸馏 | CVPR 2019 | RKD
论文阅读·深度学习·蒸馏·rkd
HollowKnightZ2 天前
论文阅读笔记:Gated CRF Loss for Weakly Supervised Semantic Image Segmentation
论文阅读·笔记
regret~2 天前
【论文笔记】Mamba: Linear-time sequence modeling with selective state spaces
论文阅读
Jackilina_Stone2 天前
【论文阅读笔记】知识蒸馏:一项调查 | CVPR 2021 | 近万字翻译+解释
论文阅读·人工智能·深度学习·蒸馏
Zhouqi_Hua3 天前
LLM论文笔记 15: Transformers Can Achieve Length Generalization But Not Robustly
论文阅读·笔记·深度学习·语言模型·自然语言处理
X.Cristiano3 天前
月之暗面-KIMI-发布最新架构MoBA
论文阅读·moba·kimi·月之暗面
永远前进不waiting3 天前
论文阅读4——一种宽频带圆极化微带天线的设计
论文阅读
Zhouqi_Hua3 天前
LLM论文笔记 12: Teaching Arithmetic to Small Transformers
论文阅读·人工智能·深度学习·神经网络·语言模型