Исследователи представили метод MicroEvo, оптимизирующий поиск в пространстве микроархитектурных решений. Использование LLM с направляющим знанием позволяет эффективно обходить ограничения вычислительного бюджета при оценке параметров PPA (мощность, производительность, площадь). Новый подход заменяет слепой перебор интеллектуальной выборкой, значительно повышая сходимость к оптимальным конфигурациям по сравнению с традиционными методами проектирования процессоров.
Проектирование современных микроархитектур сталкивается с проблемой экспоненциального роста вариантов конфигураций. Традиционные методы симуляции требуют огромных временных затрат, что делает невозможным полный перебор всех параметров. MicroEvo интегрирует экспертные знания о микроархитектурных зависимостях непосредственно в процесс генерации и отбора кандидатов, позволяя модели обучаться на результатах итеративного поиска.
В отличие от стандартных алгоритмов, которые часто тратят ресурсы на неперспективные варианты, MicroEvo фокусируется на областях с высокой вероятностью улучшения целевых метрик. Это сокращает количество необходимых симуляций и позволяет инженерам быстрее находить сбалансированные решения, соответствующие жестким требованиям к энергопотреблению и производительности чипов.
Ключевые факты
- Метод MicroEvo использует LLM для направленного поиска в пространстве микроархитектурных параметров.
- Алгоритм учитывает внутренние зависимости компонентов, что позволяет избежать неэффективных итераций.
- Решение направлено на оптимизацию метрик PPA: мощности (Power), производительности (Performance) и площади (Area).
- Подход демонстрирует улучшенную сходимость к Парето-оптимальным решениям при ограниченном бюджете симуляций.