-
题名机器学习辅助微架构功耗建模和设计空间探索综述
被引量：1
- 1
-
-
作者
翟建旺
凌梓超
白晨
赵康
余备
-
机构
北京邮电大学集成电路学院
北京邮电大学计算机学院
香港中文大学计算机科学与工程系
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第6期1351-1369,共19页
-
基金
国家重点研发计划项目(2022YFB2901100)
香港特别行政区研究资助局(CUHK14210723)
北京市自然科学基金项目(4244107)。
-
文摘
微架构设计是处理器开发的关键阶段,处在整个设计流程的上游,直接影响性能、功耗、成本等核心设计指标.在过去的数十年中,新的微架构设计方案,结合半导体制造工艺的进步,使得新一代处理器能够实现更高的性能和更低的功耗、成本.然而,随着集成电路发展至“后摩尔时代”,半导体工艺演进所带来的红利愈发有限,功耗问题已成为高能效处理器设计的主要挑战.与此同时,现代处理器的架构愈发复杂、设计空间愈发庞大,设计人员期望进行快速精确的指标权衡以获得更理想的微架构设计.此外,现有的层层分解的设计流程极为漫长耗时,已经难以实现全局能效最优.因此,如何在微架构设计阶段进行精确高效的前瞻性功耗估计和探索优化成为关键问题.为了应对这些挑战,机器学习技术被引入到微架构设计流程中,为处理器的微架构建模和优化提供了高质量方案.首先介绍了处理器的主要设计流程、微架构设计及其面临的挑战,然后阐述了机器学习辅助集成电路设计,重点在于使用机器学习技术辅助微架构功耗建模和设计空间探索的研究进展,最后进行总结展望.
-
关键词
处理器设计自动化
微架构设计
功耗建模
设计空间探索
机器学习
-
Keywords
processor design automation
microarchitecture design
power modeling
design space exploration
machine learning
-
分类号
TP332
[自动化与计算机技术—计算机系统结构]
-
