[논문 리뷰] CAD Tool Design Space Exploration via Bayesian Optimization

Yuzhe Ma, Ziyang Yu외 1명|arXiv (Cornell University)|2019. 12. 12.

Advanced Multi-Objective Optimization Algorithms참고 문헌 16인용 수 5

한 줄 요약

이 논문은 EDA 도구 파라미터 튜닝에서 설계 공간 탐색을 자동화하고 가속화하기 위해 가우시안 프로세스 회귀를 사용하는 베이지안 최적화 프레임워크를 제안한다. 면적, 지연, 전력에서 베이스라인 성능을 뛰어넘는 뚜렷한 성능 향상을 보이며 수동 튜닝 노력이 줄어들었으며, 특히 스칼라화된 目표와 추출 함수 선택이 있는 다목적 최적화에서 효과적이다.

ABSTRACT

The design complexity is increasing as the technology node keeps scaling down. As a result, the electronic design automation (EDA) tools also become more and more complex. There are lots of parameters involved in EDA tools, which results in a huge design space. What's worse, the runtime cost of the EDA flow also goes up as the complexity increases, thus exhaustive exploration is prohibitive for modern designs. Therefore, an efficient design space exploration methodology is of great importance in advanced designs. In this paper we target at an automatic flow for reducing manual tuning efforts to achieve high quality circuits synthesis outcomes. It is based on Bayesian optimization which is a promising technique for optimizing black-box functions that are expensive to evaluate. Gaussian process regression is leveraged as the surrogate model in Bayesian optimization framework. In this work, we use 64-bit prefix adder design as a case study. We demonstrate that the Bayesian optimization is efficient and effective for performing design space exploration on EDA tool parameters, which has great potential for accelerating the design flow in advanced technology nodes.

연구 동기 및 목표

• 고성능 회로 합성에 대한 EDA 도구 파라미터 설정에서 수동 튜닝 노력의 감소.
• 고성능 공정 노드에서의 비용이 많이 들고 고차원적인 설계 공간 탐색 문제 해결.
• 다목적 EDA 최적화에 대해 베이지안 최적화와 가우시안 프로세스 회귀의 효과성 평가.
• 베이지안 최적화를 기존 메타휴리스틱 기법(예: 유전 알고리즘)과 비교하여 EDA 설계 공간 탐색에서의 성능 평가.
• 추출 함수와 스케일링 전략이 다목적 최적화 성능에 미치는 영향 조사.

제안 방법

• 프레임워크는 설계 파라미터 설정에 따른 EDA 도구 성능을 예측하기 위해 대체 모델로 베이지안 최적화와 가우시안 프로세스 회귀를 사용한다.
• 다음 평가 점을 설계 공간에서 선택하기 위해 Probability of Improvement (POI)와 같은 추출 함수를 활용한다.
• 합성 도구를 자동화된 파이프라인에 통합하여 반복적으로 EDA 파라미터 설정을 평가하고 개선한다.
• 다목적 최적화를 위해 면적, 지연, 전력 등의 성능 지표를 가중치 합을 사용해 스칼라화하여 단일 목표 최적화를 가능하게 한다.
• 다른 단위를 가진 지표가 큰 값에 의해 지배되지 않도록, 스케일링 전략을 적용하여 지표를 정규화한다.
• 산업 수준의 CAD 스크립트와 실제 합성 워크플로우를 사용하여 64비트 프리픽스 어드더 설계에서 프레임워크를 평가한다.

실험 결과

연구 질문

• RQ1 베이지안 최적화는 EDA 도구 파라미터의 고차원적이고 평가 비용이 많이 드는 설계 공간을 효과적이고 효율적으로 탐색할 수 있는가?
• RQ2 다양한 추출 함수(예: POI)는 EDA 파라미터 튜닝에서 수렴성과 최적화 품질에 어떤 영향을 미치는가?
• RQ3 베이지안 최적화는 EDA 설계 공간 탐색에서 기존 메타휴리스틱 기법(예: 유전 알고리즘)에 비해 어떤 성능 향상을 보이는가?
• RQ4 다목적 지표의 스케일링 전략은 최종 최적화 결과에 어떤 영향을 미치는가?
• RQ5 프레임워크는 베이스라인 산업용 구성보다 더 우수한 PPA(전력, 성능, 면적) 트레이드오프를 달성할 수 있는가?

주요 결과

• 베이지안 최적화는 30회 반복 이내에 면적, 지연, 전력 모든 지표에서 베이스라인 산업 CAD 설정을 초월했다.
• 실험에서 POI 추출 함수가 다른 추출 함수보다 일관되게 뛰어난 성능을 보였다.
• 베이지안 최적화 프레임워크는 면적에서 베이스라인 성능의 98.7%, 전력에서 96.7%, 지연에서 98.9%를 기록하여 높은 효율성과 효과성을 입증했다.
• 유전 알고리즘과 비교했을 때 베이지안 최적화가 더 빠르게 수렴하고 더 안정적인 경로를 보였으며, 면적과 지연의 최종 값이 낮았다.
• 큰 값의 지표(예: 면적)는 축소하고 작은 값의 지표(예: 지연)는 증대하는 방식의 스케일링 전략이 다른 전략보다 더 나은 최적화 결과를 도출했다.
• 이 방법은 수동 튜닝을 줄이고 설계 품질을 향상시켜 고성능 공정 노드에서 EDA 워크플로우의 가속화 잠재력을 뚜렷이 보여주었다.