Resumen: A medida que el programa de trabajo (por ejemplo, IA) aumenta en tamaño y complejidad algorítmica, el desafío principal radica en su alta dimensionalidad, que abarca los núcleos informáticos, los tamaños de matriz y las jerarquías de memoria. Para superar estos obstáculos, se requieren enfoques innovadores. El diseño de chips ágiles ya se ha beneficiado de la integración del aprendizaje automático en varias etapas, incluida la síntesis lógica, la colocación y el enrutamiento. Con los modelos de idiomas grandes (LLM) que demuestran recientemente una competencia impresionante en la generación de lenguaje de descripción de hardware (HDL), promete extender sus habilidades a una integración 2.5D, una técnica avanzada que ahorra gastos generales y de desarrollo del área. Sin embargo, el diseño de chiplet dirigido por LLM enfrenta desafíos como el diseño de aplanado, el alto costo de validación y la optimización de parámetros imprecisos, que limitan su capacidad de diseño de chiplet. Para abordar esto, proponemos MAHL, un marco de generación de diseño de chiplet jerárquico basado en LLM que presenta seis agentes que habilitan colaborativamente la asignación de algoritmo-hardware de algoritmo AI, incluida la generación de descripción jerárquica, la generación de código de recuperación, la validación basada en la diversión y la validación de diseño multi-granularidad. Estos componentes juntos mejoran la generación eficiente de diseño de chiplet con potencia, rendimiento y área optimizadas (PPA). Los experimentos muestran que MAHL no solo mejora significativamente la precisión de generación del diseño simple de RTL, sino que también aumenta la precisión de generación del diseño de chiplet del mundo real, evaluada por Pass@5, de 0 a 0.72 en comparación con las LLM convencionales en el mejor de los casos. En comparación con Clarie de última generación (basado en expertos), MAHL logra resultados de PPA comparables o incluso superiores bajo ciertos objetivos de optimización.
Publicado Originalme en export.arxiv.org El 20 de agosto de 2025.
Ver Fuente Original
