Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Fovea는 웨이퍼 스케일 시스템의 설계 공간 탐색(DSE)을 최적화하기 위한 새로운 방법론을 제시합니다. 물리적 영향을 고려한 설계 공간 정식화와 결정 도메인 가이드 교차 충실도 정제를 통해, 정확도를 유지하면서도 탐색 속도를 대폭 향상시킵니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기현대의 프리실리콘(pre-silicon) 설계 공간 탐색(Design-Space Exploration, DSE)은 저비용 평가기가 후보 공간을 선별하고, 선정된 짧은 목록(shortlist)에 대해서만 상세 평가를 수행하는 coarse-to-fine 워크플로우를 따릅니다. 웨이퍼 스케일(Wafer-scale) 시스템은 이 두 단계 모두에 부담을 줍니다. 아키텍처 선택은 레티클 준수(reticle compliance), 웨이퍼 타일링(wafer tiling), 다이 면적(die area), D2D(Die-to-Die) 능력, 경계 접근(boundary access) 및 배치(placement)에 대해 결합된 물리적 영향(physical implications)을 유발하므로, 설계 공간을 제약 없는 데카르트 곱(Cartesian product)으로 취급할 수 없습니다. 한편, 상세 평가는 결과적으로 발생하는 공간을 모두 다루기에 비용이 너무 많이 들며, 분석 모델에서 레퍼런스(reference)로의 순위 역전(ranking inversion) 현상은 고정된 shortlist를 신뢰할 수 없게 만듭니다.
본 논문에서는 고정된 웨이퍼 템플릿 대신 워크로드 특화형 웨이퍼 아키텍처 선택을 위한 재사용 가능한 방법론인 Fovea를 제시합니다. Fovea는 먼저 물리적 영향 인지 설계 공간 정식화(physical-implication-aware design-space formulation)를 수행하여, 차원 간 트레이드오프(trade-off)를 보존하고 평가기 보존형 로컬 축소(evaluator-preserving local reductions)만을 적용함으로써 별도의 모델링 가능한 실행 가능 공간(modeled-feasible space)을 구축합니다. 그 다음, 결정 도메인 가이드 교차 충실도 정제(Decision-Domain-guided cross-fidelity refinement)를 수행합니다. 쌍을 이룬 인도메인 교정(in-domain calibration)은 워크로드 및 공간 특화된 분석 모델과 레퍼런스 간의 불일치(disagreement)를 추정하며, 이는 레퍼런스와 일치하는 성능 구간을 매개변수화하고 선택적 지정 레퍼런스 평가를 위한 결정 도메인(Decision Domain)을 유도합니다. 유효한 도메인 전체 불일치 경계(domain-wide disagreement bound) 하에서, 이 도메인은 지정된 레퍼런스 최적값을 포함합니다. 샘플링 기반 구현은 전수 레퍼런스(exhaustive-reference) 설계 공간에서 경험적으로 평가되었습니다. 10개의 레퍼런스 검증 가능 설계 공간과 7개의 LLM 학습 워크로드에 대해, 10%의 쌍 교정을 적용한 Fovea는 평가된 70개 쌍 모두에서 전수 지정 레퍼런스 최적값을 복구하는 동시에 평균 4.13배, 최대 7.80배의 엔드 투 엔드(end-to-end) 속도 향상을 달성했습니다.