FPGA领域顶级学术会议
FPGA领域的主要顶级学术会议包括FPGA、FCCM、FPL和FPT。FPGA会议由ACM/SIGDA主办，每年2月在美国举办，论文免费下载，推荐论文如FPGA’23和FPL2023的最佳论文奖。FCCM由IEEE主办，每年5月在美国举办，FPL会议每年9月在欧洲巡回，FPT会议每年12月在亚太巡回。这些会议通常会发布高质量的论文，涵盖从理论研究到实际应用的最新进展。
FPGA领域顶级学术会议主要有FPGA，FCCM，FPL和FPT 。
1 FPGA
会议名称为: ACM/SIGDA International Symposium on Field-Programmable Gate Arrays（FPGA）
网站是:https://dl.acm.org/conference/fpga
FPGA常年在美国举办，每年2月，偏FPGA基础研究 ；
在本次会议中，所有论文均提供免费下载服务。该平台设计得非常友好，我浏览了一下，对于感兴趣的论文，可以直接点击阅读全文。位于Proceedings分类页面。
FPGA会议是主要推荐的会议，论文通常会引用FPGA’23的方式，即缩写加年份。例如，在“穿过丛林”公众号上有一篇文章，由湖北省计算机协会发布，题为FPGA’23：基于FPGA的K近邻图构建加速方法研究。作者为刘超强和郑龙。
在现代计算系统中，K-nearest neighbor graph（K-近邻图）是许多应用的基础数据结构数据结构。目前，NN-descent算法因其在构建k近邻图时在缓存与计算效率上的不足而备受关注。本论文的创新点主要体现在两个方面：首先，本研究在缓存与计算效率两个维度对图构建算法进行了协同优化，提出了一种基于块调度的方法，优先处理空间中的一个区域内的顶点，从而显著提升了数据加载的重用率，有效降低了片外数据访问的频率。其次，本论文还提出了在计算向量的某些维度后，若能确定该计算不会影响后续图结构的更新，则可提前终止该计算，从而大幅减少了不必要的计算开销。
上海期智研究所 FPGA’22发布了一项基于神经网络的创新性体系结构框架，该框架旨在通过深度学习算法对FPGA异构AI加速器进行设计与优化，以提升其计算效率和性能。
该论文的第一作者为宫宇和徐志晗，其主要创新点在于突破了传统方法仅依赖FPGA中昂贵且数量有限的DSP资源的局限性，而是充分利用了FPGA中价格低廉且数量充足的LUT资源，从而显著提升了FPGA芯片的利用率。研究采用了层内异步、层间同步的计算策略，分别将DSP和LUT分配用于计算任务，既在推理精度上实现了提升，又将计算延迟降低至1.12-1.32倍的水平。
2 FCCM
会议全称称为IEEE Field Custom Computing Symposium。
网站是: https://ieeexplore.ieee.org/xpl/conhome/1000289/all-proceedings
FCCM常年在美国，每年5月；
3 FPL
该会议的全称是: International Conference on Field Programmable Logic and Applications。
网站是: https://ieeexplore.ieee.org/xpl/conhome/1001053/all-proceedings
FPL每年在欧洲巡回，每年9月；
找到一个中科院计算所 FPL2023最佳论文奖
Co-ViSu 是一个针对压缩域视频超分辨率任务的FPGA加速引擎
是把低分辨率视频转化为高分辨率的任务
在FPGA上协同设计实现视频编解码器和DNN加速器
4 FPT
会议全称为: International Conference on Field-Programmable Technology
该会议又称ICFPT
网站是: https://ieeexplore.ieee.org/xpl/conhome/1000290/all-proceedings
FPT每年在亚太巡回，每年12月。
