Fix format and add some details.

Signed-off-by: Yuya Asano <[email protected]>

Author: sukeya

docs/articles/overview_of_RDNA4_hardware.md

@@ -15,18 +15,21 @@ WGPの内部について詳しく見ていく。
 ## 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。
+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(またはWavefront)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。
 
+- SALU: 各wave内のwork-itemに共有される、4バイト単位のレジスター(Scalar GPR, SGPR)が128バイト x 32個ある。
+- VALU: wave内の各work-itemが持つ、4バイト単位のレジスター(Vector GPR, VGPR)が1536バイト x 32個ある。waveが32個なら16ブロック、64個なら8ブロック毎に確保される(つまり512 x 4バイト単位で確保される)。
+
+VGPRはWaveの各work-itemに必要な分だけレジスターを確保する。
 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。
@@ -41,3 +44,7 @@ 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
 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。
+
+## 参考
+1. [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)
+2. [GPUアーキテクチャとGPUプログラミングの話が面白かった](https://qiita.com/Koya_/items/28446be12252edc06137)