SIMDArchitekturen

SIMDArchitekturen bezeichnen eine Klasse von Computerarchitekturen, bei der eine einzelne Befehlsinstanz gleichzeitig auf mehrere Datenpunkte wirkt. Ziel ist die Ausnutzung von Datenparallelität (data-level parallelism) durch sogenannte Lanes in einer Vektor- oder SIMD-Einheit. Eine solche Einheit besitzt Vektorregister unterschiedlicher Breite (typisch 128, 256 oder 512 Bit) und führt dieselbe Operation gleichzeitig auf allen Elementen des Vektors aus. Moderne Designs unterstützen maskierte Operationen, die bedingte Ausführung innerhalb einzelner Lanes erlauben, sowie Lade- und Speichervorgänge, die auf Vektorregister abgebildet werden.

Typische Implementierungen umfassen x86-SIMD-Erweiterungen wie SSE, AVX und AVX-512, ARM NEON sowie Altivec (PowerPC) und RISC-V V. In Grafikkarten-Architekturen wird oft ein ähnlich orientiertes Konzept verwendet, das als SIMT (Single Instruction, Multiple Threads) bekannt ist, das sich in der Praxis aber stärker auf Threads statt substanziell auf Lanes stützt. Die Leistungsfähigkeit von SIMD hängt stark von der Regularität der Daten und vom Speicherverhalten ab: regelmäßige Schleifen mit zusammenhängenden Datenlagen profitieren am stärksten; unstrukturierte oder sprunghafte Zugriffe mindern die Ausnutzung der Breite.

Programmierer können SIMD über Compiler-Autovectorisierung oder durch Intrinsics, Compiler-Extensions oder Inline-Assembler nutzen. Entscheidungen zu Speicherordnung, Alignment, Datenformate und Maskierung beeinflussen Effizienz und Portabilität. Vertreter moderner Architekturen arbeiten an variablen Vektorbreiten (zum Beispiel ARM SVE, RISC-V V) und verbesserten Maskierungsmechanismen, um divergenten Code besser zu handhaben.

Anwendungsfelder umfassen Multimedia-Verarbeitung, wissenschaftliche Berechnungen, Signalverarbeitung und maschinelles Lernen, in denen große Mengen homogener Daten parallel bearbeitet werden. Herausforderungen bleiben Portabilität, Energieverbrauch und effektive Nutzung bei unregelmäßigen Datenstrukturen.