1. Retos
1.1. Arquitectura homogéneas y heterogéneas de baja energía.
1.2. Arquitecturas duras en tiempo real
1.3. Paralelización automática
1.4. Herramientas de depuración y ajuste
1.5. Arquitecturas y software fiables
1.6. Soporte por energía solar
2. Oportunidades
2.1. Smartphones
2.1.1. Evaluation of Heterogeneous Multicore Cluster Architectures Designed for Mobile Computing
2.1.1.1. Las arquitecturas multinúcleo heterogéneas se están volviendo omnipresentes en los teléfonos inteligentes de gama alta. En este artículo, se presenta un estudio de dos arquitecturas multicoure heterogéneas modernas basadas en mediciones reales. LITTLE enfoque de 2 clústeres mientras que el segundo da un salto adelante y amplía el concepto a 3 clústeres. D. Novo, A. Nocua, F. Bruguier, A. Gamatie and G. Sassatelli, "Evaluation of Heterogeneous Multicore Cluster Architectures Designed for Mobile Computing," 2018 13th International Symposium on Reconfigurable Communication-centric Systems-on-Chip (ReCoSoC), 2018, pp. 1-8, doi: 10.1109/ReCoSoC.2018.8449376.
2.2. Automóviles
2.2.1. Optimized scheduling of multicore ECU architecture with bio-security CAN network using AUTOSAR
2.2.1.1. Para mejorar el rendimiento de las ECU, se lleva a cabo una migración de la arquitectura de un solo núcleo a la arquitectura de varios núcleos. La arquitectura multinúcleo proporciona una ejecución paralela de diferentes tareas junto con las interrupciones sin ninguna intervención. Senthilkumar K., Ramesh Ramadoss, Future Generation Computer Systems, Volume 98, 2019, Pages 1-11, ISSN 0167-739X, doi: doi.org/10.1016/j.future.2018.10.043.
2.3. Sistemas de tratamiento de cáncer
2.3.1. Tumour Detection using Convolutional Neural Network on a Lightweight Multi-Core Device
2.3.1.1. Las redes neuronales convolucionales requieren gran potencia de procesamiento y complejidad de cálculo para imitar nuestro cerebro humano como en la clasificación de imágenes. Tal complejidad resulta en grandes sistemas voluminosos. Una solución es explorar el uso de Multicore System on Chips (MCSoC). T. H. Teo, W. M. Tan and Y. S. Tan, "Tumour Detection using Convolutional Neural Network on a Lightweight Multi-Core Device," 2019 IEEE 13th International Symposium on Embedded Multicore/Many-core Systems-on-Chip (MCSoC), 2019, pp. 87-92, doi: 10.1109/MCSoC.2019.00020.
2.4. Sistemas médicos
2.4.1. Real-time ECG monitoring using compressive sensing on a heterogeneous multicore edge-device
2.4.1.1. La teoría de detección de compresión (CS) se ha implementado ampliamente en la aplicación de monitoreo de electrocardiograma ECG para optimizar el consumo de energía de los sensores portátiles. La solución propuesta en este documento tiene como objetivo abordar estas limitaciones al potenciar una solución de salud donde las tareas que consumen más energía se realizan localmente en un procesador multinúcleo. Hamza Djelouat, Mohamed Al Disi, Issam Boukhenoufa, Abbes Amira, Faycal Bensaali, Christos Kotronis, Elena Politi, Mara Nikolaidou, George Dimitrakopoulos, Microprocessors and Microsystems, Volume 72, 2020, 102839, ISSN 0141-9331, doi: 10.1016/j.micpro.2019.06.009.
2.5. Sistemas de TI Portátiles
2.5.1. An Energy-Efficient IoT node for HMI applications based on an ultra-low power Multicore Processor
2.5.1.1. En este artículo, se presenta un nodo de sensor inteligente para IoT y inteligente para la interacción hombre-máquina (HMI) basado en una plataforma programable Parallel Ultra-Low-Power (PULP). Probamos el sistema en una aplicación de reconocimiento de gestos manuales, que es una forma preferida de interacción en el diseño de HMI. V. Kartsch, M. Guermandi, S. Benatti, F. Montagna and L. Benini, "An Energy-Efficient IoT node for HMI applications based on an ultra-low power Multicore Processor," 2019 IEEE Sensors Applications Symposium (SAS), 2019, pp. 1-6, doi: 10.1109/SAS.2019.8705984.