Resumen - GENIAL: Exploración del Espacio de Diseño de Diseño Genérico mediante Inversión de Red para Unidades de Lógica Algorítmica de Baja Potencia

GENIAL: Exploración del Espacio de Diseño de Diseño Genérico mediante Inversión de Red para Unidades de Lógica Algorítmica de Baja Potencia

2025-07-25 06:34:59

{"Maxence Bouvier","Ryan Amaudruz","Felix Arnold","Renzo Andri","Lukas Cavigelli"}

{cs.LG,cs.AI,cs.AR}

Este documento presenta GENIAL, un framework basado en aprendizaje automático para la generación y optimización automática de unidades aritméticas, específicamente multiplicadores. A medida que aumentan las cargas de trabajo de inteligencia artificial, la optimización de las unidades aritméticas se vuelve crucial para reducir el consumo energético de los sistemas digitales. Los flujos de diseño convencionales a menudo dependen de la optimización manual o basada en heurísticas, lo que limita la exploración del amplio espacio de diseño. El núcleo de GENIAL es un modelo de sustituto basado en Transformer entrenado en dos etapas: preentrenamiento supervisado seguido de ajuste fino supervisado. Este modelo se utiliza para predecir métricas clave del hardware, como el consumo de energía y el área, a partir de representaciones de diseño abstraídas. Al invertir el modelo de sustituto, GENIAL busca de manera eficiente nuevas codificaciones de operandos que minimicen el consumo de energía para distribuciones específicas de datos de entrada. GENIAL consta de varios componentes: 1. Generador de Diseño: Convierte la representación abstracta de un diseño en una descripción RTL. 2. Lanzador de Tareas de EDA: Ejecuta pasos de EDA como síntesis y simulación para extraer métricas de Calidad de Resultado (QoR). 3. Predicador de Métricas de Calidad (QMP): Un modelo de sustituto entrenado para predecir métricas de QoR objetivo. 4. Recomendador de Diseño: Utiliza el QMP para recomendar nuevos diseños a procesar. Los experimentos demuestran que GENIAL es consistentemente más eficiente en muestras que otros métodos y converge más rápido hacia diseños optimizados. Logra hasta un 18% de ahorro en actividad de conmutación dentro de multiplicadores en trabajos representativos de inteligencia artificial en comparación con la codificación de complemento a dos. Además, GENIAL demuestra versatilidad al lograr mejoras significativas en Máquinas de Estado Finito, subrayando su aplicabilidad para un amplio espectro de funciones lógicas. En conclusión, GENIAL proporciona una herramienta valiosa para la optimización de unidades aritméticas, contribuyendo al desarrollo de sistemas digitales eficientes en energía. El trabajo futuro explorará la escalabilidad de GENIAL a circuitos más grandes, otras distribuciones de valores de entrada y circuitos que no han sido investigados exhaustivamente como multiplicadores.