深度逆向设计用于高级综合
提出了一种新的数据驱动型逻辑综合运算符模型,名为PruneX,用于减少无效转换并解决逻辑综合中的OOD问题。通过集成PruneX与现有的Resub和Mfs2运算符,实验证明PruneX在工业和大规模电路上显著提高效率,同时保持可比较的优化性能,加速运行时间高达3.1倍。
Aug, 2023
本研究对逻辑综合的学习和搜索技术进行了彻底的研究,发现预训练代理器在面对全新设计时可能偏离轨道,从而对搜索轨迹产生不利影响。我们提出了ABC-RL,这是一个经过精心调整的α参数,能够在搜索过程中熟练地调整来自预训练代理器的建议。基于与训练数据集的最近邻检索相似性分数计算得到的ABC-RL针对广泛的硬件设计提供了优越的综合方案。我们的发现展示了合成电路质量结果(QoR)的显著改进,与现有技术相比,提高了最高达24.8%的性能。此外,与当前最先进的方法相比,ABC-RL在运行时间上实现了高达9倍的减少(iso-QoR)。
Jan, 2024
AutoHLS是一种将深度神经网络(DNN)与贝叶斯优化(BO)相结合的新型框架,用于加速高级综合(HLS)硬件设计优化,通过整合DNNs来预测在给定FPGA资源预算内的可合成性,实验证明其在探索时间上可达到70倍的加速。
Mar, 2024
设计工具的运行时间随着芯片设计的复杂性增加而增长,这已成为一个瓶颈。我们提出了一种将网络列表表示为有向超图,并提出了一种用于有效学习(有向)超图的模型,与现有的图学习框架相比,DE-HNN显著提高了设计优化工具的精确度。
Mar, 2024
该论文提出了一种名为Vaegan的新方法,利用生成式机器学习生成足够强大以支持复杂系统级高级综合设计空间探索实验的合成数据,该方法使用变分自动编码器(VAE)和生成对抗网络(GAN)来进行任务,并使用先进的数据集和度量标准对方法进行评估,与之前的工作进行比较,表明Vaegan可以有效生成与真实数据分布接近的合成高级综合设计空间数据。
Apr, 2024
机器学习在高级综合流程中的应用及其对质量结果预测、设计空间探索方面的影响。同时,提出了HLSFactory框架,通过设计空间扩展、设计合成和数据聚合等三个阶段来管理高质量的HLS设计数据集。
May, 2024
SynthAI是一种自动化高层次综合(HLS)设计的开创性方法,通过结构化决策图将复杂硬件设计任务系统分解为多个阶段和较小的可管理模块,生成与用户指定的设计目标和功能要求紧密相符的可综合设计。
May, 2024
本研究针对电子设计自动化中逻辑综合阶段面临的数据稀缺与高阶图表示学习困难问题,提出了MTLSO多任务学习方法。通过引入辅助的二元多标签图分类任务,结合主回归任务,提升了模型的学习能力并充分利用有限的数据。实验结果表明,该方法在延迟和面积上的平均性能分别提高了8.22%和5.95%,展示了其显著的优势和潜在影响。
Sep, 2024
本文研究了逻辑综合优化(LSO)中的数据稀缺问题及现有模型的过拟合和泛化能力限制。提出了一种新颖的LSOformer方法,利用自回归变换器模型和预测自监督学习来提高质量结果(QoR)的预测精度,实验证明LSOformer在QoR预测任务中优于基线架构,分别在EPFL、OABCD和专有电路数据集上实现了5.74%、4.35%、和17.06%的提高。
Sep, 2024