PPA 기반 3D-IC 파티셔닝 최적화 프레임워크 (DOPP)

3D 집적회로(3D-IC)의 netlist 파티셔닝 최적화는 일반적으로 근사 목표 함수(proxy objectives)를 사용하여 수행됩니다. 이 과정에서 최종적인 전력, 성능, 면적(PPA: Power, Performance, Area)은 비용이 많이 드는 평가 단계로 간주되어, 최적화 신호라기보다는 검증 대상으로 취급되는 경향이 있습니다.

이러한 '근사치 주도(proxy-driven)' 패러다임의 한계점은 추가적인 PPA 평가를 수행하더라도 이를 신뢰성 있게 더 나은 PPA 결과로 변환하기 어렵다는 점입니다. 즉, 근사 지표와 실제 물리적 성능 측정 사이의 간극이 존재하는 것입니다.

본 논문에서는 이러한 격차를 해소하기 위해 DOPP (D-Optimal PPA-driven partitioning selection)라는 새로운 접근 방식을 제안합니다. DOPP는 근사 목표 함수가 제공하는 정보와 진정한 PPA 메트릭 사이에 다리 역할을 수행하도록 설계되었습니다.

개발팀은 이 프레임워크를 8개의 다양한 3D-IC 디자인에 걸쳐 검증했습니다. 그 결과, Open3DBench 벤치마크 대비 평균적인 상대적 성능 개선을 입증했습니다. 구체적으로 다음과 같은 지표에서 상당한 향상을 보였습니다:

• 혼잡도(Congestion): 평균 9.99% 개선
• 배선 길이(Routed Wirelength): 평균 7.87% 개선
• WNS (Worst-case Noise Sensitivity): 평균 7.75% 개선
• TNS (Total Noise Sensitivity): 평균 21.85% 개선
• 전력(Power): 평균 1.18% 개선

가장 주목할 만한 점은 효율성입니다. DOPP는 전체 후보군에 대한 완전 탐색 평가(exhaustive evaluation)를 수행하는 방식과 비교했을 때, 매우 적은 수의 후보만 평가해도 유사한 최고 수준의 PPA 성능을 달성한다는 것입니다. 이는 설계 검증 및 최적화 과정에서 발생하는 막대한 계산 비용을 획기적으로 줄여줍니다.

또한, 이 방법론은 평가 과정을 병렬화(parallelizing evaluations)할 수 있도록 구현되어 있어, 이러한 성능 향상을 가져오면서도 기존의 전통적인 베이스라인 방식과 비교 가능한 실시간 구동 시간(wall-clock runtime)을 유지합니다. 따라서 DOPP는 높은 최적화 성능과 효율성을 동시에 만족시키는 강력한 프레임워크라 할 수 있습니다.