近日，网络空间安全学院师生在FPGA异构加速与实时任务调度方向取得重要突破，研究成果“RT-DPU: Scheduling Real-time Tasks with Heterogeneous Multi-DPU Engines”被计算机体系结构领域国际顶级期刊IEEE Transactions on Computers（TC）接收。论文第一作者为山东大学网络空间安全学院硕士研究生任海，通讯作者为学院教授张伟。

随着机器人、自动驾驶等安全关键应用对CNN推理实时性和确定性的要求不断提高，FPGA凭借高能效和可预测的执行时延，成为实时CNN推理的重要加速平台。Xilinx DPU是面向CNN推理的专用可编程加速引擎，已成为Xilinx FPGA上的主流加速方案。然而，现有Vitis AI工具链仅支持同构多DPU部署，即所有核心采用相同的DPU架构。在多任务场景下，这种部署方式难以兼顾实时性能与资源效率：采用高算力DPU会造成BRAM、DSP等片上资源浪费，而较小DPU又可能无法满足计算密集型任务的实时要求。此外，不同CNN模型及其内部各计算阶段具有不同的计算-通信特征，对DPU算力的利用效率也各不相同，同构架构难以实现与任务特征的有效匹配。因此，如何在有限FPGA资源下按任务需求配置异构DPU，并保障多任务实时性，是亟需解决的关键问题。

针对上述问题，团队提出了一种面向异构多DPU架构的实时CNN任务调度方案。首先，以CNN任务的计算-通信比（CTC）表征其计算特征，将推理任务划分为多个任务段，并建立CTC与DPU计算能力之间的映射关系，使不同特征的任务段优先匹配适宜的DPU核心。在此基础上，进一步设计段级实时调度算法，综合考虑任务截止期、段间依赖、核心负载和DPU计算特性，为各任务段分配执行核心及执行时间窗口，并通过响应时间分析验证调度方案的可行性。实验结果表明，在Xilinx ZCU102平台上，该方案在保障所有测试任务实时性的同时，相比同构基线方案最高降低34.6%的BRAM资源占用，并可成功调度同构方案无法满足时限要求的任务集。