Synopsys Design Space Optimization treffer en milepæl

Publisert av Platon

Følgere: 0

Jeg snakket nylig med Stelios Diamantidis (Distinguished Architect, Head of Strategy, Autonomous Design Solutions) om Synopsys' kunngjøring på 100^th kunde tapeout ved hjelp av deres DSO.ai-løsning. Min bekymring for AI-relaterte artikler er å unngå hypen som omgir AI generelt, og omvendt skepsisen som reaksjon på den hypen som får noen til å avvise alle AI-påstander som slangeolje. Jeg var glad for å høre Stelios le og være enig. Vi hadde en veldig fundert diskusjon om hva DSO.ai kan gjøre i dag, hva referansekundene deres ser i løsningen (basert på hva den kan gjøre i dag) og hva han kunne fortelle meg om teknologien.

Synopsys Design Space Optimization

Hva DSO.ai gjør

DSO.ai kobles sammen med Fusion Compiler og IC Compiler II, noe som Stelios var nøye med å understreke betyr at dette er en optimaliseringsløsning på blokknivå; Fulle SoC-er er ikke et mål ennå. Dette passer med gjeldende designpraksis ettersom Stelios sa at et viktig mål er lett å passe inn i eksisterende flyter. Formålet med teknologien er å gjøre det mulig for implementeringsingeniører, ofte en enkelt ingeniør, å forbedre produktiviteten sin samtidig som de utforsker et større designrom for en bedre PPA enn det som ellers kunne vært oppdaget.

Synopsys annonserte den første tapeout sommeren 2021 og har nå annonsert 100 tapeouts. Det taler godt for etterspørselen etter og effektiviteten til en løsning som denne. Stelios la til at verdien blir enda mer åpenbar for applikasjoner som må instansiere en blokkering mange ganger. Tenk på en mangekjerneserver, en GPU eller en nettverkssvitsj. Optimaliser en blokk én gang, instansier mange ganger – det kan utgjøre en betydelig PPA-forbedring.

Jeg spurte om kunder som gjør dette alle jobber ved 7nm og lavere. Overraskende nok er det aktiv bruk helt opp til 40nm. Et interessant eksempel er en blitskontroller, en design som ikke er særlig ytelsessensitiv, men som kan løpe opp i titalls til hundrevis av millioner enheter. Å redusere størrelsen med 5 % her kan ha stor innvirkning på marginene.

Hva er under panseret

DSO.ai er basert på forsterkende læring, et hett tema i disse dager, men jeg lovet ingen hype i denne artikkelen. Jeg ba Stelios om å bore litt mer, men ble ikke overrasket da han sa at han ikke kunne avsløre for mye. Det han kunne fortelle meg var interessant nok. Han påpekte at i mer generelle applikasjoner forutsetter en syklus gjennom et treningssett (en epoke) en rask (sekunder til minutter) metode for å vurdere neste mulige trinn, for eksempel gjennom gradientsammenligninger.

Men seriøs blokkdesign kan ikke optimaliseres med raske estimater. Hver utprøving må gå gjennom hele produksjonsflyten, kartlegge til reelle produksjonsprosesser. Strømmer som kan ta timer å kjøre. En del av strategien for effektiv forsterkende læring gitt denne begrensningen er parallellisme. Resten er DSO.ai hemmelig saus. Du kan absolutt forestille deg at hvis den hemmelige sausen kan komme opp med effektive forbedringer basert på en gitt epoke, så vil parallellisme akselerere fremgangen gjennom neste epoke.

For det formål må denne muligheten virkelig kjøre i en sky for å støtte parallellitet. Privat on-premises sky er ett alternativ. Microsoft har annonsert at de er vert for DSO.ai på Azure, og ST rapporterer i pressemeldingen DSO.ai at de brukte denne muligheten for å optimalisere implementeringen av en Arm-kjerne. Jeg ser for meg at det kan være noen interessante debatter rundt fordeler og ulemper ved å kjøre en optimalisering i en offentlig sky på tvers av for eksempel 1000 servere hvis arealreduksjonen er verdt det.

Kundefeedback

Synopsys hevder at kunder (inkludert ST og SK Hynix i denne kunngjøringen) rapporterer 3x+ produktivitetsøkninger, opptil 25 % lavere total effekt og betydelig reduksjon i formstørrelse, alt med redusert bruk av totale ressurser. Gitt det Stelios beskrev, høres dette fornuftig ut for meg. Verktøyet tillater utforskning av flere punkter i designtilstandsrommet innenfor en gitt tidsplan enn det som ville vært mulig hvis denne utforskningen var manuell. Så lenge søkealgoritmen (den hemmelige sausen) er effektiv, vil det selvfølgelig finne et bedre optimum enn et manuelt søk.

Kort sagt, verken AI-hype eller slangeolje. DSO.ai antyder at AI går inn i mainstream som en troverdig ingeniørutvidelse til eksisterende flyter. Du kan lære mer fra pressemelding og fra denne bloggen.

Del dette innlegget via: