本文作者： 李飛

本文來源：半導(dǎo)體行業(yè)觀察

原文鏈接：https://mp.weixin.qq.com/s/KZO_pWsdWN6p0cBcBN7lgQ

　　六月底,，來自中科院的團(tuán)隊在預(yù)印本平臺arxiv上發(fā)表了重磅論文《Pushing the Limits of Machine Design：Automated CPU Design with AI》（機(jī)器設(shè)計新突破：使用人工智能自動設(shè)計CPU）,，其中使用了人工智能的方法,，成功地在5個小時內(nèi)完成了一個基于RISC-V指令集的CPU的設(shè)計,，而且該設(shè)計經(jīng)過后端布局布線后已經(jīng)成功流片點(diǎn)亮并且能運(yùn)行Linux和Dhrystone,。

　　該論文一經(jīng)發(fā)表,，就得到了半導(dǎo)體業(yè)界的廣泛關(guān)注,，我們認(rèn)為,，該論文中提出的方法有其歷史淵源,，但是團(tuán)隊提出了對于已有方法的一種從數(shù)學(xué)角度來看很優(yōu)美的改進(jìn)，從而能夠讓基于機(jī)器學(xué)習(xí)的自動芯片設(shè)計成為現(xiàn)實(shí),。

　　首先,，我們回顧一下現(xiàn)有的數(shù)字芯片設(shè)計流程。主流的芯片設(shè)計流程是,，芯片設(shè)計師首先描述數(shù)字邏輯設(shè)計,，而EDA工具軟件則把這樣的電路描述映射到完全等價的數(shù)字邏輯電路。在這個過程中,，整個數(shù)字邏輯或者是用Verilog等硬件描述語言來描述（常常是芯片設(shè)計師使用的描述方法）,，或者是使用等價的布爾邏輯圖的形式來描述（常見于一些EDA軟件的內(nèi)部優(yōu)化過程中）。布爾邏輯圖和硬件設(shè)計語言兩者是等價的,，其特點(diǎn)就是能夠完全描述數(shù)字邏輯,。例如，如果是一個簡單的有n比特輸入的組合邏輯,，那么在描述中就需要能夠生成一張布爾邏輯表格（真值表）,，該表格需要能覆蓋所有2^n種輸入比特組合的對應(yīng)輸出。而對于時序邏輯,，則還需要考慮內(nèi)部狀態(tài)比特,，需要的表格就更大了。

　　與之相對應(yīng)的是,，基于機(jī)器學(xué)習(xí)的自動設(shè)計關(guān)注的問題是：如果我們只給出真值表的一部分,，能否同樣可以生成正確的數(shù)字邏輯？舉例來說,，該論文中針對的CPU自動生成的問題,，其中有1798個輸入和1826個輸出,，在這種情況下如果直接使用真值表需要(2^1798)*1826大小的真值表，這樣大的真值表基本上是不可能在合理的時間內(nèi)生成的,，而且也沒有可行的算法來處理如此大的真值表,。對此，論文提出的觀點(diǎn)是,，可以使用一種新的算法,，該算法可以只使用真值表的一小部分來訓(xùn)練，就能夠生成自動推理出真值表的其他部分,，并且保證有很高的準(zhǔn)確度,。因此，設(shè)計流程就變成了：用戶提供一個芯片邏輯真值表的一部分（需要是高質(zhì)量數(shù)據(jù),，能夠抓住電路邏輯的主要特點(diǎn)）,，機(jī)器學(xué)習(xí)算法根據(jù)這個邏輯真值表自動推理并補(bǔ)全真值表的其他部分，并且把該完整真值表送到傳統(tǒng)的EDA工具里去做邏輯綜合和物理設(shè)計,。因此,，電路設(shè)計流程也就由大量人工參與邏輯設(shè)計迭代（下圖a）變成了用戶提供一個輸入輸出數(shù)據(jù)集，AI直接綜合出邏輯和電路（下圖b）,。

　　為了實(shí)現(xiàn)這樣的功能,，論文提出了BSD算法。BSD算法的本質(zhì)是一種動態(tài)圖算法：對于任意的邏輯,，它首先生成一個初始的圖（例如,，無論輸入如何輸出都是0）；然后隨著用戶提供更多的輸入輸出數(shù)據(jù)（即提供真值表的一部分）,，BSD的圖會隨之更新（添加更多邊和節(jié)點(diǎn)）,，從而讓BSD對應(yīng)的邏輯能夠滿足用戶提供的真值表。例如,，在一比特加法器的例子中,，一開始的BSD邏輯圖對應(yīng)的是一個輸出永遠(yuǎn)是0的簡單邏輯，但是隨著用戶給出更多的輸入輸出的數(shù)據(jù),，BSD圖也在不斷地修正,，最后當(dāng)用戶給出足夠多的數(shù)據(jù)時（不一定需要給出真值表的全部），BSD就收斂到了正確的一比特加法器邏輯,。

　　如前所述,，這樣得到的BSD可以通過推理的方法來補(bǔ)完整個真值表，但是這樣的真值表對于現(xiàn)有的EDA軟件來說會太大而無法處理,，因此論文又提出了一種BSD圖的處理方法可以把一個大的BSD分解成多個子BSD,，并且在每個子BSD中進(jìn)行圖節(jié)點(diǎn)合并以進(jìn)一步減小BSD圖的大小，最后能把BSD圖中的節(jié)點(diǎn)縮減到一百萬個左右，從而EDA工具可以輕松處理,。

　　為了驗(yàn)證該算法的有效性，團(tuán)隊選擇了RISC-V處理器作為目標(biāo)設(shè)計,。具體來說,，在數(shù)據(jù)集方面，論文團(tuán)隊使用RISC-V模擬器隨機(jī)生成了2^40組輸入輸出數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),，另一方面團(tuán)隊把之前RISC-V設(shè)計中使用的測試樣例（通常是最具有代表性的輸入輸出數(shù)據(jù)）也加入了訓(xùn)練集中,。值得注意的是，RISC-V CPU的輸入和輸出分別有1789和1826個,，因此理論上完整真值表需要有1826*(2^1789)個輸入輸出數(shù)據(jù),，而團(tuán)隊使用的訓(xùn)練數(shù)據(jù)集只是完整真值表所需數(shù)據(jù)微不足道的一小部分，同時也可以在合理的時間內(nèi)產(chǎn)生出來,。

　　之后,，團(tuán)隊使用了該訓(xùn)練集在5小時內(nèi)完成了算法的訓(xùn)練，并且把生成的BSD送入EDA軟件中進(jìn)行綜合,，在經(jīng)過FPGA驗(yàn)證后進(jìn)行了流片,，最后CPU芯片能跑在300MHz時鐘頻率并且能成功運(yùn)行Linux和Dhrystone,。

　　BSD模型對于芯片設(shè)計方法學(xué)的影響

　　我們認(rèn)為,，該論文中提出的設(shè)計方法對于未來的芯片設(shè)計可能有深遠(yuǎn)的影響。

　　首先,，該論文中的算法訓(xùn)練時間僅僅為5小時,，這樣的時間遠(yuǎn)遠(yuǎn)小于常規(guī)的處理器完成設(shè)計的時間——即使是所有的架構(gòu)定義和輸入輸出樣例都已經(jīng)完備，人工完成這樣的設(shè)計需要的時間至少是在幾周到一個月的級別,，這遠(yuǎn)遠(yuǎn)高于5小時的訓(xùn)練時間,。更重要的是，未來隨著計算平臺算力的升級,，該算法訓(xùn)練需要的時間可望進(jìn)一步減?。阂阅壳懊績赡耆斯ぶ悄芩懔Ψ兜膭蓊^來看，大約五年內(nèi)該訓(xùn)練時間就可以做到一小時以下,。

　　其次,，該算法是典型的數(shù)據(jù)驅(qū)動，需要大量的高質(zhì)量數(shù)據(jù),。這意味著未來對于芯片設(shè)計來說,，如何產(chǎn)生這些數(shù)據(jù)會非常重要。在論文中,，我們可以看到這些數(shù)據(jù)來源于RISC-V處理器的功能模擬器（simulator）,，換句話說未來芯片設(shè)計師的任務(wù)可能會更加集中到上層的功能定義以及描述（例如使用Python或者C語言對于芯片的功能進(jìn)行建模）。類似的使用高級語言來描述電路并實(shí)現(xiàn)綜合的嘗試已經(jīng)有十余年（例如高級語言綜合High level synthesis，HLS等）,，但是獲得的成功一直有限,，僅僅在一些特定的電路中獲得應(yīng)用；而如今使用機(jī)器學(xué)習(xí)的方法配合高級語言進(jìn)行電路功能描述可能是實(shí)現(xiàn)類似高級語言綜合的一個可行路徑,。

　　最后,，雖然論文中使用機(jī)器學(xué)習(xí)直接產(chǎn)生了一個CPU這樣的大型設(shè)計，但是從產(chǎn)業(yè)界的角度,，更有可能的做法是從中小型IP開始,，搭建一個基于AI的設(shè)計平臺，并且在經(jīng)過幾輪迭代后再漸漸推廣到更大的設(shè)計,，并且最終簡化設(shè)計的流程,。

　　BSD與其他人工智能如何進(jìn)一步推動芯片設(shè)計

　　我們認(rèn)為，BSD的提出是一個自動設(shè)計的一個突破,，因?yàn)樗蚱屏酥霸O(shè)計綜合需要完整真值表的限制,。同時，我們也認(rèn)為接下來BSD算法會進(jìn)一步迭代并取得更好的結(jié)果,，并且和其他人工智能算法一起進(jìn)一步簡化芯片設(shè)計,。

　　首先，論文中提到的BSD的搭建是從零開始,，并且通過訓(xùn)練數(shù)據(jù)來完成創(chuàng)建,。一個有可能的未來發(fā)展方向是，如何從一個基礎(chǔ)參考設(shè)計開始做一定的改動,，來實(shí)現(xiàn)一個新的設(shè)計,？類似的參考設(shè)計方法是芯片設(shè)計行業(yè)的常規(guī)操作，而在人工智能業(yè)界,，相對應(yīng)的做法就是預(yù)訓(xùn)練和微調(diào)——即在較大的訓(xùn)練數(shù)據(jù)集上進(jìn)行訓(xùn)練實(shí)現(xiàn)一個基礎(chǔ)模型,，然后使用一個較小的數(shù)據(jù)集來微調(diào)來滿足定制化。如果未來BSD能實(shí)現(xiàn)這樣的參考設(shè)計和微調(diào),，那么將進(jìn)一步減小對于用戶產(chǎn)生數(shù)據(jù)量的需求和訓(xùn)練時間,，從而進(jìn)一步提升BSD的使用體驗(yàn)。

　　其次,，BSD可以和其他人工智能算法結(jié)合來進(jìn)一步提升設(shè)計的效率,。例如，目前的ChatGPT類大語言模型對于Python已經(jīng)有了很好的支持,，但是對于Verilog等語言的支持以及設(shè)計流程的支持還不夠完備,；在未來,，對于一個芯片IP的設(shè)計,，我們可望看到ChatGPT類大語言模型去幫助生成上層使用Python描述的功能模型,，使用該功能模型去生成輸入輸出數(shù)據(jù)，然后使用BSD來完成最終的數(shù)字邏輯設(shè)計,。

　　綜合上述的分析,，我們認(rèn)為BSD有希望成為未來EDA流程中的重要一環(huán)，它可以幫助推動高級語言邏輯綜合,，同時也可望和其他人工智能大語言模型一起進(jìn)一步簡化芯片設(shè)計流程,，并且大大降低芯片設(shè)計需要的時間和成本。未來的芯片設(shè)計中,，對于芯片設(shè)計師的要求越來越多會集中到更上層的功能定義，而不是具體的邏輯編寫,。

　更多精彩內(nèi)容歡迎點(diǎn)擊==>>電子技術(shù)應(yīng)用-AET<<