Synopsys Design Space Optimization がマイルストーンを達成

プラトン再発行

フォロワー： 0

私は最近、Synopsys の 100 での発表について Stelios Diamantidis (著名アーキテクト、戦略責任者、Autonomous Design Solutions) と話をしました。^th DSO.ai ソリューションを使用したお客様のテープアウト。 AI 関連の記事に対する私の懸念は、AI 全般を取り囲む誇大宣伝を避けることと、逆に AI に関するすべての主張をスネークオイルとして却下するよう促す、その誇大宣伝に反応する懐疑論です。ステリオスが笑って心から同意するのを聞いてうれしかった. 私たちは、DSO.ai が現在何ができるか、(現在何ができるかに基づいて) 参照顧客がソリューションで何を見ているか、そしてテクノロジーについて彼が私に教えてくれることについて、非常に根拠のある議論をしました。

シノプシスのデザインスペースの最適化

DSO.ai の機能

DSO.ai は、Fusion Compiler および IC Compiler II と結合します。これは、Stelios が慎重に強調したように、これがブロックレベルの最適化ソリューションであることを意味します。フル SoC はまだターゲットではありません。 Stelios 氏によると、重要な目標は既存のフローに容易に適合することであり、これは現在の設計慣行に適合しています。このテクノロジの目的は、実装エンジニア (多くの場合 XNUMX 人のエンジニア) が生産性を向上させながら、他の方法では発見できなかったよりも優れた PPA を実現するためのより大きな設計スペースを探索できるようにすることです。

Synopsys は 2021 年夏に最初のテープアウトを発表し、現在 100 件のテープアウトを発表しています。これは、このようなソリューションの需要と有効性をよく物語っています。 Stelios 氏は、ブロックを何度もインスタンス化する必要があるアプリケーションでは、その価値がさらに明白になると付け加えました。メニーコアサーバー、GPU、またはネットワークスイッチを考えてみてください。ブロックを XNUMX 回最適化し、何度もインスタンス化することで、PPA を大幅に改善できます。

これを行っている顧客はすべて 7nm 以下で動作しているかどうかを尋ねました。驚くべきことに、40nmまでずっとアクティブに使用されています。興味深い例の 5 つはフラッシュコントローラーです。これは、パフォーマンスにそれほど敏感ではありませんが、数千万から XNUMX 億ユニットまで実行できる設計です。ここでサイズを XNUMX% 縮小するだけでも、マージンに大きな影響を与える可能性があります。

ボンネットの下にあるもの

DSO.ai は、最近話題になっている強化学習に基づいていますが、この記事で誇大宣伝するつもりはありません。私は Stelios にもう少し掘り下げるように頼んだが、彼があまり多くを明らかにすることはできないと言ったとき、驚かなかった. 彼が私に話した内容は十分に興味深いものでした。彼は、より一般的なアプリケーションでは、トレーニングセット (エポック) の XNUMX サイクルは、次の可能なステップを評価するための高速 (数秒から数分) の方法を想定していると指摘しました。たとえば、勾配比較などです。

しかし、本格的なブロック設計は、迅速な見積もりでは最適化できません。各トライアルは、実際の製造プロセスにマッピングして、完全な生産フローを実行する必要があります。実行に数時間かかるフロー。この制約が与えられた効果的な強化学習の戦略の一部は、並列処理です。あとはDSO.aiの秘伝のタレ。確かに、その秘密のソースが特定のエポックに基づいて効果的な改良を生み出すことができれば、並列処理によって次のエポックへの進歩が加速されることは想像に難くないでしょう。

そのためには、この機能をクラウドで実行して並列処理をサポートする必要があります。プライベートオンプレミスクラウドは 1000 つのオプションです。 Microsoft は、Azure で DSO.ai をホストしていることを発表しました。ST は、DSO.ai のプレスリリースで、この機能を使用して Arm コアの実装を最適化したと報告しています。面積の削減に見合うだけの価値がある場合、たとえば XNUMX 台のサーバーにまたがるパブリッククラウドで最適化を実行することの長所と短所について、いくつかの興味深い議論があると思います。

顧客フィードバック

Synopsys は、顧客 (この発表では ST と SK Hynix を含む) が、生産性が 3 倍以上向上し、総電力が最大 25% 削減され、ダイサイズが大幅に縮小され、すべてのリソースの使用が削減されたと報告していると主張しています。ステリオスが説明したことを考えると、これは私には理にかなっているように思えます。このツールを使用すると、特定のスケジュール内で設計状態空間内のより多くのポイントを探索できます。その探索が手動である場合よりも可能です。もちろん、検索アルゴリズム (秘密のソース) が有効である限り、手動検索よりも優れた最適解を見つけることができます。

要するに、AIの誇大広告でもスネークオイルでもありません。 DSO.ai は、AI が既存のフローに対する信頼できるエンジニアリングの拡張として主流になりつつあることを示唆しています。詳細については、プレスリリースとからこのブログ.

この投稿を共有する：