Synopsys 설계 공간 최적화의 이정표 달성

플라톤에 의해 재발행

팔로워 : 0

저는 최근 Stelios Diamantidis(저명한 건축가, 전략 책임자, 자율 설계 솔루션)와 Synopsys의 100 발표에 대해 이야기했습니다.^th DSO.ai 솔루션을 사용하는 고객 테이프아웃. AI 관련 기사에 대한 나의 관심은 일반적으로 AI를 둘러싼 과대 광고를 피하는 것과 반대로 일부 사람들이 모든 AI 주장을 뱀 기름으로 일축하도록 촉발하는 그러한 과대 광고에 대한 반응의 회의론을 피하는 것입니다. 나는 Stelios가 웃으며 진심으로 동의하는 것을 듣고 기뻤습니다. 우리는 DSO.ai가 현재 무엇을 할 수 있는지, 참조 고객이 솔루션에서 무엇을 볼 수 있는지(현재 할 수 있는 것을 기준으로), 그가 기술에 대해 무엇을 말할 수 있는지에 대해 매우 근거 있는 토론을 했습니다.

Synopsys 설계 공간 최적화

DSO.ai가 하는 일

DSO.ai는 Fusion Compiler 및 IC Compiler II와 결합합니다. Stelios가 강조한 것처럼 이것이 블록 수준 최적화 솔루션임을 의미합니다. 전체 SoC는 아직 대상이 아닙니다. 이것은 Stelios가 중요한 목표가 기존 흐름에 쉽게 맞추는 것이라고 말했듯이 현재 설계 관행에 맞습니다. 이 기술의 목적은 종종 단일 엔지니어인 구현 엔지니어가 생산성을 향상하는 동시에 다른 방법으로는 발견할 수 없었던 더 나은 PPA를 위한 더 큰 설계 공간을 탐색할 수 있도록 하는 것입니다.

Synopsys는 2021년 여름에 첫 번째 테이프아웃을 발표했으며 현재 100개의 테이프아웃을 발표했습니다. 이는 이와 같은 솔루션의 수요와 효율성을 잘 보여줍니다. Stelios는 블록을 여러 번 인스턴스화해야 하는 애플리케이션의 경우 그 가치가 훨씬 더 분명해진다고 덧붙였습니다. 많은 코어 서버, GPU 또는 네트워크 스위치를 생각해 보십시오. 블록을 한 번 최적화하고 여러 번 인스턴스화하면 PPA가 크게 향상될 수 있습니다.

이 작업을 수행하는 고객이 모두 7nm 이하에서 작업하는지 물었습니다. 놀랍게도 최대 40nm까지 적극적으로 사용됩니다. 한 가지 흥미로운 예는 성능에 그다지 민감하지 않지만 수천만에서 수억 단위로 실행할 수 있는 디자인인 플래시 컨트롤러입니다. 여기에서 크기를 5%만 줄여도 마진에 큰 영향을 미칠 수 있습니다.

후드 아래에있는 것

DSO.ai는 요즘 핫토픽인 강화 학습을 기반으로 하지만 이 기사에서는 과장하지 않겠다고 약속했습니다. 나는 Stelios에게 조금 더 드릴다운을 요청했지만 그가 너무 많이 밝힐 수 없다고 말했을 때 놀라지 않았습니다. 그가 나에게 말할 수 있는 것은 충분히 흥미로웠다. 그는 보다 일반적인 응용 프로그램에서 트레이닝 세트(에포크)를 통한 한 주기는 예를 들어 그래디언트 비교를 통해 다음 가능한 단계를 평가하기 위해 빠른(몇 초에서 몇 분) 방법을 가정한다고 지적했습니다.

그러나 심각한 블록 설계는 빠른 추정으로 최적화할 수 없습니다. 각 시험은 전체 생산 흐름을 통해 실행되어야 하며 실제 제조 프로세스에 매핑되어야 합니다. 실행하는 데 몇 시간이 걸릴 수 있는 흐름. 이러한 제약 조건에서 효과적인 강화 학습을 위한 전략의 일부는 병렬 처리입니다. 나머지는 DSO.ai 비밀 소스입니다. 확실히 그 비밀 소스가 주어진 시대를 기반으로 효과적인 개선을 제시할 수 있다면 병렬 처리가 다음 시대를 통해 진행을 가속화할 것이라고 상상할 수 있습니다.

이를 위해 이 기능은 병렬 처리를 지원하기 위해 실제로 클라우드에서 실행되어야 합니다. 프라이빗 온프레미스 클라우드는 하나의 옵션입니다. Microsoft는 Azure에서 DSO.ai를 호스팅한다고 발표했으며 ST는 DSO.ai 보도 자료에서 Arm 코어의 구현을 최적화하기 위해 이 기능을 사용했다고 보고했습니다. 면적 감소가 그만한 가치가 있다면 1000대의 서버에 걸쳐 퍼블릭 클라우드에서 최적화를 실행하는 장단점에 대해 흥미로운 논쟁이 있을 수 있다고 생각합니다.

고객 피드백

Synopsys는 고객(이 발표에서 ST 및 SK 하이닉스 포함)이 3배 이상의 생산성 향상, 최대 25% 감소된 총 전력 및 다이 크기의 상당한 감소를 보고했으며 모두 전체 리소스 사용이 감소했다고 주장합니다. Stelios가 설명한 것을 감안할 때 이것은 나에게 합리적으로 들립니다. 이 도구를 사용하면 해당 탐색이 수동인 경우 가능한 것보다 주어진 일정 내에서 디자인 상태 공간에서 더 많은 지점을 탐색할 수 있습니다. 검색 알고리즘(비밀 소스)이 효과적인 한 물론 수동 검색보다 더 나은 최적을 찾을 수 있습니다.

요컨대 AI 과대 광고도 스네이크 오일도 아닙니다. DSO.ai는 AI가 기존 흐름에 대한 신뢰할 수 있는 엔지니어링 확장으로 주류에 진입하고 있다고 제안합니다. 자세한 내용은 릴리스를 누르십시오 과에서 블로그.

다음을 통해이 게시물 공유 :