这两场小组讨论探讨了静默数据损坏 (SDC) 带来的挑战,以及现代系统在可靠性、可用性和可维护性 (RAS) 领域的战略干预措施。在这些小组讨论中,我们将定义 SDC、探讨潜在成因,并涉及 SDC 与 RAS 相互作用的领域。RAS 和 SDC 在技术微缩与集成、计算能力、先进工艺节点测试,以及永久性、性能退化、间歇性或瞬态错误的检测与纠正方面均面临挑战。聆听来自 Synopsys、Arm、Google 和 Microsoft 的行业专家的真知灼见,涵盖终端用户、超大规模数据中心、OEM、半导体供应商和 EDA 公司等多元视角。
演讲嘉宾(从左至右):Rama Govindaraju、Jyotika Athavale、Robert S. Chappell、Amr Haggag
本讨论的第一部分定义并探讨了 SDC 的潜在成因。
本讨论的第二部分探讨了缓解 SDC 的策略。
Synopsys 工程架构总监
Jyotika 是 Synopsys 的工程架构总监,领导面向数据中心和汽车应用的质量、可靠性与安全性研究、前瞻性探索及架构工作。Jyotika 还担任全球 IEEE 计算机协会 2024 年度主席,负责监督 IEEE-CS 的整体计划与运营。凭借在国际安全标准化领域的领导力,Jyotika 荣获 2023 年 IEEE SA 标准奖章 (IEEE SA Standards Medallion)。凭借在服务领域的卓越领导力,她于 2022 年荣获 IEEE 计算机协会金核心奖 (IEEE Computer Society Golden Core Award)。
Arm 硅方案质量负责人
Amr Haggag 博士担任 Arm 硅方案质量负责人。在此之前,他曾领导 Google 定制芯片(Tensor)质量团队、Apple 芯片(A 系列、M 系列和 S 系列)技术与设计可靠性团队,并曾担任 Motorola/Freescale 的质量技术总监。他在半导体行业的质量与可靠性领导方面拥有 20 多年的经验,并曾在多个涵盖可靠性与 RAS 的 IEEE 委员会中任职。
Google 首席工程师
Rama Govindaraju 是 Google 的首席工程师,负责领导确保大规模机器学习超级计算机可靠性的工作。在此之前,Rama 曾担任 Google 工程总监,领导系统基础架构架构团队;他还曾担任 IBM 杰出工程师,负责 IBM 超级计算机实验室的软件架构,并领导了 5 代超级计算机的开发。Rama 获得纽约伦斯勒理工学院计算机科学硕士和博士学位,以及印度兰契 BIT Mesra 计算机科学学士学位。
Microsoft 合作硬件架构师
Robert S. Chappell 是位于华盛顿州雷德蒙德的 Microsoft 合作硬件架构师。Rob 热衷于“规模化”计算,负责提高支持 Azure 核心云业务的数百万服务器节点的可靠性和性能。在 2019 年加入 Microsoft 之前,Rob 花费了 20 多年的时间从事大批量 CPU 的架构设计。Rob 获得密歇根大学计算机架构博士学位。