Add the overview of RDNA4 archtecture.

Author: sukeya

docs/articles/img/overview_of_RDNA4_hardware/overview.png

@@ -1,18 +1,43 @@
 # AMD RDNA4のハードウェアの概要
 
-この記事は[AMD "RDNA4" Instruction Set Architecture Reference Guide](https://www.amd.com/content/dam/amd/en/documents/radeon-tech-docs/instruction-set-architectures/rdna4-instruction-set-architecture.pdf)の1章1.2節「ハードウェアの概要」の自分用のメモ書きです。
+この記事は[AMD "RDNA4" Instruction Set Architecture Reference Guide](https://www.amd.com/content/dam/amd/en/documents/radeon-tech-docs/instruction-set-architectures/rdna4-instruction-set-architecture.pdf)の1章1.2節「ハードウェアの概要」に基づいて自分が理解できるように書き直した。
 
-## 用語
-| 用語 | 説明 |
-|--|--|
-| Work-group Processor(WGP) | スカラーまたはベクターALU、メモリ、LDS、スカラーキャッシュを含む、シェーダー計算ハードウェアの最小単位。ある文脈では、"Double Compute Unit"や"Compute Unit Pair"と呼ばれる |
-
-## 
+GPGPUに必要な事柄に絞って解説する。
+RDNA4ではプロセッサーはWork-Group Processor(WGP)と呼ばれる、メモリや演算装置を含んだハードウェアからなる。
+各WGPは互いに独立に動作する。
+WGPの内部について詳しく見ていく。
 
 <figure markdown="span">
-  ![AMD RDNA4のブロック図](img/overview_of_RDNA4_hardware/overview.png){ width="auto" }
-  <figcaption>AMD RDNA4のブロック図</figcaption>
+  ![共有メモリ階層](img/overview_of_RDNA4_hardware/shared_memory_hierarchy.png){ width="auto" }
+  <figcaption>共有メモリ階層</figcaption>
 </figure>
 
-## Work-Group Processor
+## タスクの単位
+AMDとNVIDIAでは、用語が異なるため整理する。
+AMDでは仕事の最小分割単位をwork-itemと呼び、CUDAでのthreadに相当する。
+また、単一のRDNA4プロセッサー上で並列に実行できる32個または64個のwork-itemの集まりをWaveと呼ぶ。
+
+## Compute Unit(CU)
+WGPの内部には2つのCompute Unit(CU)があり、1つのCUには2つのSIMDがある。
+SIMDには以下のハードウェアがある:
+- 1 x Scalar ALU (SALU):  wave毎に1つの値を操作し、すべての制御フロー(if/else、ループ)を管理する。
+- 32 x Vector ALU (VALU):  各work-item上で同じ算術操作を行う
+
+さらに、これらのALUにはデータとアドレスを保存できるGeneral Purpose Register(GPR)があり、機能が異なる。
+- SALU: 各wave内のwork-itemに共有される、32ビットのレジスター(Scalar GPR, SGPR)が128バイト x 32個ある。
+- VALU: wave内の各work-itemが持つ32ビットのレジスター(Vector GPR, VGPR)が1536バイト x 32個ある。
+
+また、条件分岐をサポートするために、各waveは各work-itemがアクティブか眠っているかを示すEXECuteマスクを持っている。
+アクティブなwork-itemはベクター命令をを実行し、眠っているものはNOPとして命令を実行する。
+EXECマスクはSALUまたはVALUの比較によって、いつでも書き換えられる。
+
+## Local Data Share(LDS)
+2つのCU間でデータを共有できるメモリがあり、これをLocal Data Share(LDS)という。
+LDSはWGP毎に1つあり、大きさが128kBで低レイテンシーでアクセスできる。
+LDSは4バイトの512エントリーを持つ、64個のバンクに分割されていて、順不同なアトミック命令を速くするために64個の整数アトミックユニットを含んでいる。
+
+## Work-group
+キャッシュまたはLDSを通してデータを共有したり、バリアで同期できるwaveの集まりをWork-groupと呼ぶ。
+work-group内のwaveはすべて同じWGP上で動く。
 
+work-groupは1つあたり最大64kBのLDSのメモリを確保できる。

docs/articles/img/overview_of_RDNA4_hardware/shared_memory_hierarchy.png

@@ -16,7 +16,7 @@ nav:
     - 'Eigenで行優先の行列を行優先のベクトルに変換する時、ベクトルのイテレータを`std::contiguous_iterator`にする方法': ./articles/make-reshaped-matrix-iterator-contiguous.md
     - 'oneTBBの使い方': ./articles/how_to_use_onetbb.md
     - 'Ubuntu 25.04上のRadeonでRusticlを使う方法': ./articles/how_to_use_rusticl_with_radeon_on_ubuntu.md
-    # - 'AMD RDNA4のハードウェアの概要': ./articles/overview_of_RDNA4_hardware.md
+    - 'AMD RDNA4のハードウェアの概要': ./articles/overview_of_RDNA4_hardware.md
   - 'CUDAプログラミングガイド 日本語解説': /cuda_programming_guide_jp/
 not_in_nav: |
   thrust.md
@@ -32,6 +32,24 @@ theme:
     - toc.integrate
     - navigation.top
     - navigation.indexes
+  palette:
+  # Palette toggle for automatic mode
+  - media: "(prefers-color-scheme)"
+    toggle:
+      icon: material/brightness-auto
+      name: Switch to light mode
+  # Palette toggle for light mode
+  - media: "(prefers-color-scheme: light)"
+    scheme: default 
+    toggle:
+      icon: material/brightness-7
+      name: Switch to dark mode
+  # Palette toggle for dark mode
+  - media: "(prefers-color-scheme: dark)"
+    scheme: slate
+    toggle:
+      icon: material/brightness-4
+      name: Switch to system preference
 markdown_extensions:
   - admonition
   - attr_list