[논문 리뷰] The Power of Large Language Models for Wireless Communication System Development: A Case Study on FPGA Platforms

Yuyang Du, Deng, Hongyu외 4명|arXiv (Cornell University)|2023. 07. 14.

Speech Recognition and Synthesis인용 수 9

한 줄 요약

이 논문은 대형 언어 모델이 FPGA 기반 무선 시스템 개발을 지원할 수 있는 방법을 조사하며, LLM이 HDL 코드를 리팩터링, 재사용, 검증할 수 있고, ICL 및 CoT 프롬프트를 사용하여 64포인트 Verilog FFT 모듈과 같은 복잡한 HDL을 생성할 수 있음을 보여준다.

ABSTRACT

Large language models (LLMs) have garnered significant attention across various research disciplines, including the wireless communication community. There have been several heated discussions on the intersection of LLMs and wireless technologies. While recent studies have demonstrated the ability of LLMs to generate hardware description language (HDL) code for simple computation tasks, developing wireless prototypes and products via HDL poses far greater challenges because of the more complex computation tasks involved. In this paper, we aim to address this challenge by investigating the role of LLMs in FPGA-based hardware development for advanced wireless signal processing. We begin by exploring LLM-assisted code refactoring, reuse, and validation, using an open-source software-defined radio (SDR) project as a case study. Through the case study, we find that an LLM assistant can potentially yield substantial productivity gains for researchers and developers. We then examine the feasibility of using LLMs to generate HDL code for advanced wireless signal processing, using the Fast Fourier Transform (FFT) algorithm as an example. This task presents two unique challenges: the scheduling of subtasks within the overall task and the multi-step thinking required to solve certain arithmetic problem within the task. To address these challenges, we employ in-context learning (ICL) and Chain-of-Thought (CoT) prompting techniques, culminating in the successful generation of a 64-point Verilog FFT module. Our results demonstrate the potential of LLMs for generalization and imitation, affirming their usefulness in writing HDL code for wireless communication systems. Overall, this work contributes to understanding the role of LLMs in wireless communication and motivates further exploration of their capabilities.

연구 동기 및 목표

• 오픈 소스 SDR 프로젝트(OpenWiFi)를 이용한 FPGA 기반 무선 프로토타이핑에서 LLM의 역할과 생산성 영향 평가.
• LLM이 Verilog에서 고급 신호처리(FFT)를 위한 복잡한 HDL 코드를 생성할 수 있는지 시연.
• LLM의 HDL 생성에서의 도전과제를 식별하고 이를 극복할 프롬핑 전략 제안.
• LLM이 돕는 코드 리팩터링, 코드 재사용, 코드 검증에 대한 실용적 통찰 제공.

제안 방법

• 오픈 소스 FPGA 기반 SDR 프로젝트(OpenWiFi)에 대한 사례 연구를 수행하여 LLM 기반 코드 리팩터링, 재사용 및 검증 분석.
• LLM으로 64포인트 Verilog FFT 모듈 생성을 시도하고 실패를 분석.
• HDL 생성에서 서브태스크 일정 수립 및 다단계 사고를 다루기 위해 in-context learning(ICL)과 Chain-of-Thought(CoT) 프롬프트를 적용.
• LLM 지원으로 생산성과 코드 품질 향상을 정량화하기 위해 자원봉사자 그룹과 벤치마킹을 수행.
• 무선 하드웨어에서 LLM 지원 HDL 개발을 위한 설계 지침 및 모범 사례를 논의.

실험 결과

연구 질문

• RQ1 LLM이 단순한 HDL 작업을 넘어 FPGA 기반 무선 프로토타이핑에 의미 있게 도움을 줄 수 있는가?
• RQ2 FFT 같은 복잡한 신호처리 블록의 HDL 생성에서 LLM의 주요 도전 과제는 무엇인가?
• RQ3 ICL 및 CoT 프롬핑이 HDL 설계의 서브태스크 일정 수립 및 다단계 추론에서 LLM 성능을 향상시키는가?
• RQ4 LLM이 HDL 기반 무선 프로토타입의 코드 품질을 개선하고 개발 시간을 단축시키는가?

주요 결과

• LLMs can assist with code refactoring, code reuse, and code validation in FPGA HDL projects.
• ICL and CoT prompting enable generation of more complex HDL, including a 64-point Verilog FFT module, by addressing subtask scheduling and multi-step thinking.
• LLMs exhibit notable generalization and imitation capabilities when provided with appropriate prompts and guidance.
• LLM-assisted work reduces coding time and improves code quality in HDL tasks across participant groups.
• The study provides practical validation on refining and reusing OpenWiFi code with LLMs, highlighting productivity gains.