重點(diǎn)介紹SoC設(shè)計(jì)的布局規(guī)劃階段

人工智能（AI）已經(jīng)徹底改變了許多市場，包括制造業(yè)、制藥業(yè)、航空航天等，但硬件系統(tǒng)是迄今為止尚未在人工智能方面進(jìn)行任何重大投資或創(chuàng)新的領(lǐng)域。

雖然在片上系統(tǒng) （SoC） 生產(chǎn)的端到端生命周期中可以實(shí)現(xiàn)許多潛在的機(jī)器學(xué)習(xí) （ML） 應(yīng)用，但本文重點(diǎn)介紹 SoC設(shè)計(jì)的布局規(guī)劃階段。毋庸置疑，這是最耗費(fèi)時(shí)間、成本和人力資源的過程之一。具體來說，我們將研究評估使用ML 和優(yōu)化模型以指數(shù)方式減少在此SoC 階段的投資。

01floorplan

半導(dǎo)體芯片由數(shù)十億個(gè)晶體管組成。floorplan 涉及將這些晶體管與其他必要的組件（如時(shí)鐘、電源軌等）一起放置在芯片上。它們的位置經(jīng)過優(yōu)化，可實(shí)現(xiàn)更小的芯片尺寸、更好的性能、避免時(shí)序沖突以及更輕松的布線。設(shè)計(jì)流程中的這一關(guān)鍵步驟需要門級(jí)網(wǎng)表、約束條件、技術(shù)庫、時(shí)序庫I/O信息等，如圖1所示。

1. floorplan 規(guī)劃需要不同的輸入。

不過，floorplan 規(guī)劃設(shè)計(jì)通常需要幾周時(shí)間才能完成。而機(jī)器學(xué)習(xí)可能會(huì)在數(shù)小時(shí)內(nèi)執(zhí)行相同的任務(wù)。這有助于更快地將半導(dǎo)體芯片推向市場，并使工程師能夠?qū)Ｗ⒂诟鼜?fù)雜的工作。

02機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是一種人工智能，它從數(shù)據(jù)中學(xué)習(xí)各種模式和見解，并應(yīng)用這些學(xué)習(xí)來做出準(zhǔn)確而有見地的預(yù)測。在ML過程中需要各種步驟來優(yōu)化floorplan。

03數(shù)據(jù)采集

floorplan所需的輸入，如門級(jí)網(wǎng)表、約束、技術(shù)庫和I/O 信息，都是從經(jīng)過硅驗(yàn)證的芯片中收集的。

04數(shù)據(jù)預(yù)處理

數(shù)據(jù)收集后，將啟動(dòng)訓(xùn)練 ML 模型的步驟。第一步是以正確的格式獲取數(shù)據(jù)來訓(xùn)練模型，這稱為數(shù)據(jù)預(yù)處理。它包括幾個(gè)階段，如數(shù)據(jù)過濾、數(shù)據(jù)質(zhì)量檢查、數(shù)據(jù)轉(zhuǎn)換、規(guī)范化和標(biāo)準(zhǔn)化等。

05模型訓(xùn)練

數(shù)據(jù)準(zhǔn)備完成后，下一步是訓(xùn)練 ML 模型。目標(biāo)是預(yù)測下一個(gè)元件在片上放置，同時(shí)優(yōu)化最小功耗、性能和面積（PPA）。強(qiáng)化學(xué)習(xí)可用于實(shí)現(xiàn)這一目標(biāo)。它采用迭代方法并獎(jiǎng)勵(lì)導(dǎo)致最低 PPA的placements，同時(shí)懲罰增加PPA的建議。

06模型測試和部署

模型訓(xùn)練后，下一步是在看不見的芯片塊上測試模型的性能，以驗(yàn)證其預(yù)測的有效性。如果工程師驗(yàn)證的結(jié)果令人滿意，則可以進(jìn)行部署了。通過這些步驟進(jìn)行的芯片塊放置預(yù)測將比傳統(tǒng)方法更有效、更快。

07塊（block）放置的額外優(yōu)化

該過程可以在上一階段停止。然而，通過使用基于混合整數(shù)規(guī)劃（MIP）的優(yōu)化技術(shù)，可以實(shí)現(xiàn)整個(gè)芯片塊放置的進(jìn)一步優(yōu)化。該算法將以優(yōu)化ML模型生成的floorplan 為目標(biāo)，在指定的設(shè)計(jì)約束條件下進(jìn)一步最小化PPA，這些約束條件在數(shù)據(jù)部分中定義。

使用 MIP 的優(yōu)點(diǎn)是能夠針對不同場景生成優(yōu)化的解決方案。這在擴(kuò)展流程以加快設(shè)計(jì)速度時(shí)有很大幫助。整個(gè)過程的分步方法如圖 2 所示。

2.機(jī)器學(xué)習(xí)過程涉及預(yù)測和優(yōu)化平面圖設(shè)計(jì)的步驟。

08算法

強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)是一種 ML，涉及通過試錯(cuò)法采取行動(dòng)和學(xué)習(xí)。這是通過獎(jiǎng)勵(lì)導(dǎo)致期望行為的行為來實(shí)現(xiàn)的，而不需要的行為會(huì)受到懲罰。

盡管有許多類型的強(qiáng)化學(xué)習(xí)算法類型，但常用的學(xué)習(xí)方法稱為Q學(xué)習(xí)（圖3中定義的方程）。這是當(dāng)代理沒有收到任何策略時(shí)（強(qiáng)化學(xué)習(xí)策略是從當(dāng)前環(huán)境觀察到要采取的行動(dòng)的概率分布的映射），導(dǎo)致對環(huán)境的自我指導(dǎo)探索。

3.這是Q學(xué)習(xí)的方程，Q學(xué)習(xí)是一種強(qiáng)化學(xué)習(xí)算法。

MIP 優(yōu)化

混合整數(shù)規(guī)劃是一種用于解決大型復(fù)雜問題的優(yōu)化技術(shù)。它可用于在定義的約束范圍內(nèi)最小化或最大化目標(biāo)。

MIP 目標(biāo)和約束定義示例：

09優(yōu)化的價(jià)值

使用優(yōu)化技術(shù)來克服流程瓶頸以創(chuàng)建高效的系統(tǒng)并不是一個(gè)陌生的概念。幾十年前，它已成功應(yīng)用于各個(gè)行業(yè)，其革命性的影響尤其體現(xiàn)在供應(yīng)鏈管理中，其市場規(guī)模為數(shù)百億美元。

使用 AI 優(yōu)化供應(yīng)鏈管理可確保以最低成本在供應(yīng)鏈中建立高效的制造、分銷和庫存放置系統(tǒng)。在新冠疫情期間，當(dāng)供應(yīng)鏈?zhǔn)艿絿?yán)重影響時(shí)，這一點(diǎn)變得非常明顯。采用供應(yīng)鏈優(yōu)化的公司不僅沒有受到疫情的嚴(yán)重影響，而且許多公司甚至能夠在其中蓬勃發(fā)展。與此同時(shí)，未能做到這一點(diǎn)的公司遭受了數(shù)十億美元的損失，至今仍未恢復(fù)。

10保持警惕

人工智能確實(shí)很強(qiáng)大，但它的預(yù)測不應(yīng)該盲目接受，必須由人類工程師來驗(yàn)證。應(yīng)向輸出不符合約束或非最佳錯(cuò)誤布局的ML 模型提供反饋。但是，通過一致的反饋，該模型確實(shí)會(huì)自我改進(jìn)。硬件行業(yè)還應(yīng)該考慮最初的開銷。

11結(jié)論

利用人工智能（機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等）在整個(gè)硬件生命周期中綜合、分析、模擬、部署和推出有效的解決方案還有許多其他實(shí)用應(yīng)用，具有數(shù)十億美元的影響潛力。本文只是通過查看其中一個(gè)應(yīng)用來觸及表面。

與軟件技術(shù)行業(yè)類似，硬件技術(shù)行業(yè)的領(lǐng)導(dǎo)者也應(yīng)該齊心協(xié)力，釋放人工智能在這一領(lǐng)域的全部潛力。

審核編輯：劉清