Synopsys Design Space Optimization Hits A Milestone

بازنشر افلاطون

دنبال: 0

من اخیراً با Stelios Diamantidis (معمار برجسته، رئیس استراتژی، راه حل های طراحی مستقل) در مورد اعلامیه Synopsys در مورد 100 صحبت کردم.^th حذف مشتری با استفاده از راه حل DSO.ai. نگرانی من در مورد مقالات مرتبط با هوش مصنوعی اجتناب از هیاهویی است که به طور کلی هوش مصنوعی را احاطه کرده است، و برعکس، شک و تردید در واکنش به این تبلیغات که برخی را وادار می کند تا همه ادعاهای هوش مصنوعی را به عنوان روغن مار رد کنند. از شنیدن خنده استلیوس خوشحال شدم و با تمام وجود موافق بودم. ما یک بحث بسیار اساسی در مورد آنچه که DSO.ai امروز می تواند انجام دهد، آنچه که مشتریان مرجع آنها در راه حل می بینند (بر اساس آنچه امروز می تواند انجام دهد) و آنچه او می تواند در مورد این فناوری به من بگوید، داشتیم.

بهینه سازی فضای طراحی Synopsys

کاری که DSO.ai انجام می دهد

DSO.ai با Fusion Compiler و IC Compiler II جفت می‌شود، که همانطور که Stelios دقت داشت به این معنی است که این یک راه‌حل بهینه‌سازی در سطح بلوک است. SoC های کامل هنوز یک هدف نیستند. این با شیوه‌های طراحی فعلی مطابقت دارد، همانطور که استلیوس گفت یک هدف مهم این است که به راحتی در جریان‌های موجود قرار گیرد. هدف این فناوری این است که مهندسان پیاده‌سازی، اغلب یک مهندس واحد، را قادر سازد تا بهره‌وری خود را بهبود بخشند و در عین حال فضای طراحی بزرگ‌تری را برای PPA بهتر از آنچه که در غیر این صورت قابل کشف بود، کاوش کنند.

سینوپسیس اولین فیلم را در تابستان 2021 اعلام کرد و اکنون 100 فیلم را اعلام کرده است. این به خوبی بیانگر تقاضا و اثربخشی راه حلی مانند این است. Stelios اضافه کرد که این مقدار برای برنامه‌هایی که باید یک بلوک را چندین بار نمونه‌سازی کنند، آشکارتر می‌شود. به یک سرور چند هسته ای، یک GPU یا یک سوئیچ شبکه فکر کنید. یک بلوک را یک بار بهینه کنید، چند بار نمونه برداری کنید - این می تواند به بهبود قابل توجه PPA اضافه کند.

من پرسیدم که آیا مشتریانی که این کار را انجام می دهند همه در 7 نانومتر و کمتر کار می کنند؟ با کمال تعجب، استفاده فعال تا 40 نانومتر وجود دارد. یک مثال جالب یک کنترلر فلش است، طراحی که عملکرد بسیار حساسی ندارد اما می تواند ده ها تا صد میلیون واحد را اجرا کند. کاهش سایز حتی تا 5 درصد در اینجا می تواند تأثیر زیادی بر حاشیه ها داشته باشد.

آنچه زیر کاپوت است

DSO.ai مبتنی بر یادگیری تقویتی است، موضوعی که این روزها داغ است، اما در این مقاله قول دادم هیچ تبلیغاتی نداشته باشم. من از استلیوس خواستم کمی بیشتر توضیح دهد، اما وقتی گفت که نمی تواند خیلی چیزها را فاش کند، تعجب نکردم. آنچه او می توانست به من بگوید به اندازه کافی جالب بود. او به این نکته اشاره کرد که در کاربردهای کلی تر، یک چرخه از طریق یک مجموعه آموزشی (یک دوره) یک روش سریع (ثانیه تا دقیقه) را برای ارزیابی مراحل ممکن بعدی، برای مثال از طریق مقایسه گرادیان، فرض می کند.

اما طراحی جدی بلوک را نمی توان با برآوردهای سریع بهینه کرد. هر آزمایشی باید از طریق جریان کامل تولید انجام شود و به فرآیندهای تولید واقعی نگاشت شود. جریان هایی که ممکن است ساعت ها طول بکشد. بخشی از استراتژی یادگیری تقویتی موثر با توجه به این محدودیت، موازی سازی است. بقیه سس مخفی DSO.ai است. مطمئناً می توانید تصور کنید که اگر آن سس مخفی بتواند بر اساس یک دوره معین اصلاحات مؤثری داشته باشد، موازی سازی پیشرفت را در دوره بعدی تسریع خواهد کرد.

برای این منظور، این قابلیت واقعاً باید در یک ابر اجرا شود تا از موازی سازی پشتیبانی کند. فضای ابری خصوصی یک گزینه است. مایکروسافت اعلام کرده است که DSO.ai را در Azure میزبانی می کند و ST در بیانیه مطبوعاتی DSO.ai گزارش می دهد که از این قابلیت برای بهینه سازی اجرای هسته Arm استفاده کرده است. تصور می‌کنم اگر کاهش مساحت ارزشش را داشته باشد، می‌تواند بحث‌های جالبی پیرامون مزایا و معایب اجرای یک بهینه‌سازی در یک ابر عمومی در بین 1000 سرور وجود داشته باشد.

بازخورد مشتری

Synopsys ادعا می کند که مشتریان (از جمله ST و SK Hynix در این اطلاعیه) افزایش بهره وری 3 برابری، تا 25٪ کاهش توان کل و کاهش قابل توجه در اندازه قالب را گزارش کرده اند، همه با کاهش استفاده از منابع کلی. با توجه به آنچه استلیوس توضیح داد، این به نظر من منطقی است. این ابزار امکان کاوش نقاط بیشتری را در فضای حالت طراحی در یک برنامه زمانی معین فراهم می کند که در صورت دستی بودن آن کاوش امکان پذیر بود. البته تا زمانی که الگوریتم جستجو (سس مخفی) موثر باشد، بهینه بهتری نسبت به جستجوی دستی پیدا خواهد کرد.

به طور خلاصه، نه هیپ هوش مصنوعی و نه روغن مار. DSO.ai پیشنهاد می کند که هوش مصنوعی به عنوان یک توسعه مهندسی معتبر برای جریان های موجود وارد جریان اصلی می شود. شما می توانید از آن بیشتر بیاموزید اطلاعیه مطبوعاتی و از این وبلاگ.

اشتراک گذاری این پست از طریق: