Nội dung tóm tắt Tối ưu hóa không gian thiết kế đạt một cột mốc quan trọng

Được xuất bản lại bởi Plato

Người theo dõi: 0

Gần đây, tôi đã nói chuyện với Stelios Diamantidis (Kiến trúc sư xuất sắc, Trưởng phòng Chiến lược, Giải pháp thiết kế tự trị) về thông báo của Synopsys trên 100^th phân tích khách hàng bằng giải pháp DSO.ai của họ. Mối quan tâm của tôi đối với các bài báo liên quan đến AI là tránh sự cường điệu xung quanh AI nói chung và ngược lại, sự hoài nghi phản ứng với sự cường điệu đó khiến một số người bác bỏ mọi tuyên bố về AI như dầu rắn. Tôi rất vui khi nghe Stelios cười và đồng ý hết lòng. Chúng tôi đã có một cuộc thảo luận rất có căn cứ về những gì DSO.ai có thể làm hôm nay, những khách hàng tham khảo của họ thấy gì trong giải pháp (dựa trên những gì nó có thể làm ngày nay) và những gì anh ấy có thể cho tôi biết về công nghệ.

Nội dung tóm tắt Tối ưu hóa không gian thiết kế

DSO.ai làm gì

DSO.ai kết hợp với Fusion Compiler và IC Compiler II, như Stelios đã cẩn thận nhấn mạnh có nghĩa đây là một giải pháp tối ưu hóa cấp khối; SoC đầy đủ chưa phải là mục tiêu. Điều này phù hợp với thực tiễn thiết kế hiện tại vì Stelios cho biết mục tiêu quan trọng là dễ dàng phù hợp với các luồng hiện có. Mục đích của công nghệ là cho phép các kỹ sư triển khai, thường là một kỹ sư duy nhất, cải thiện năng suất của họ đồng thời khám phá không gian thiết kế lớn hơn cho một PPA tốt hơn so với những gì có thể khám phá được bằng cách khác.

Synopsys đã công bố bản ghi băng đầu tiên vào mùa hè năm 2021 và hiện đã công bố 100 bản ghi âm. Điều đó nói lên nhu cầu và hiệu quả của một giải pháp như thế này. Stelios nói thêm rằng giá trị thậm chí còn trở nên rõ ràng hơn đối với các ứng dụng phải khởi tạo một khối nhiều lần. Hãy nghĩ về một máy chủ nhiều lõi, GPU hoặc bộ chuyển đổi mạng. Tối ưu hóa một khối một lần, khởi tạo nhiều lần – điều đó có thể góp phần cải thiện PPA đáng kể.

Tôi đã hỏi liệu những khách hàng làm việc này có phải đều đang làm việc ở tiến trình 7nm trở xuống không. Đáng ngạc nhiên là có quá trình sử dụng tích cực lên đến 40nm. Một ví dụ thú vị là bộ điều khiển flash, một thiết kế không nhạy cảm lắm về hiệu năng nhưng có thể chạy tới hàng chục đến hàng trăm triệu đơn vị. Việc giảm kích thước thậm chí 5% ở đây có thể có tác động lớn đến lợi nhuận.

Có gì dưới mui xe

DSO.ai dựa trên học tăng cường, một chủ đề nóng hiện nay nhưng tôi đã hứa sẽ không cường điệu trong bài viết này. Tôi đã yêu cầu Stelios đi sâu hơn một chút mặc dù không ngạc nhiên khi anh ấy nói rằng anh ấy không thể tiết lộ quá nhiều. Những gì anh ấy có thể nói với tôi là đủ thú vị. Ông đã đưa ra quan điểm rằng trong các ứng dụng tổng quát hơn, một chu kỳ thông qua một tập huấn luyện (kỷ nguyên) giả định một phương pháp nhanh (vài giây đến vài phút) để đánh giá các bước có thể tiếp theo, chẳng hạn như thông qua so sánh độ dốc.

Nhưng thiết kế khối nghiêm túc không thể được tối ưu hóa bằng các ước tính nhanh. Mỗi thử nghiệm phải chạy qua toàn bộ quy trình sản xuất, ánh xạ tới các quy trình sản xuất thực tế. Dòng có thể mất hàng giờ để chạy. Một phần của chiến lược để học tăng cường hiệu quả với hạn chế này là tính song song. Phần còn lại là nước sốt bí mật của DSO.ai. Chắc chắn bạn có thể tưởng tượng rằng nếu nước sốt bí mật đó có thể đưa ra các cải tiến hiệu quả dựa trên một kỷ nguyên nhất định, thì tính song song sẽ đẩy nhanh tiến độ trong kỷ nguyên tiếp theo.

Cuối cùng, khả năng này thực sự phải chạy trên đám mây để hỗ trợ tính song song. Đám mây tại chỗ riêng là một tùy chọn. Microsoft đã thông báo rằng họ đang lưu trữ DSO.ai trên Azure và ST báo cáo trong thông cáo báo chí về DSO.ai rằng họ đã sử dụng khả năng này để tối ưu hóa việc triển khai lõi Arm. Tôi tưởng tượng có thể có một số cuộc tranh luận thú vị xung quanh ưu và nhược điểm của việc chạy tối ưu hóa trong đám mây công cộng trên 1000 máy chủ nói trên nếu việc giảm diện tích là xứng đáng.

Phản hồi của khách hàng

Synopsys tuyên bố khách hàng (bao gồm ST và SK Hynix trong thông báo này) đang báo cáo năng suất tăng gấp 3 lần, tổng công suất thấp hơn tới 25% và giảm đáng kể kích thước khuôn, tất cả đều giảm sử dụng tài nguyên tổng thể. Với những gì Stelios đã mô tả, điều này nghe có vẻ hợp lý với tôi. Công cụ này cho phép khám phá nhiều điểm hơn trong không gian trạng thái thiết kế trong một lịch trình nhất định so với khả năng thăm dò đó là thủ công. Miễn là thuật toán tìm kiếm (nước sốt bí mật) hiệu quả, tất nhiên điều đó sẽ tìm ra cách tối ưu tốt hơn so với tìm kiếm thủ công.

Nói tóm lại, không phải sự cường điệu của AI hay dầu rắn. DSO.ai cho thấy AI đang trở thành xu hướng chủ đạo như một phần mở rộng kỹ thuật đáng tin cậy cho các luồng hiện có. Bạn có thể tìm hiểu thêm từ nhấn phát hành và từ blog này.

Chia sẻ bài đăng này qua: