Cet article présente AttentionDSE, un nouveau framework d'exploration de l'espace de conception (DSE) pour la conception de processeurs dans des espaces de conception de grande dimension. Les frameworks DSE existants souffrent de problèmes tels qu'une faible précision et une évolutivité insuffisante des modèles de substitution, une exploration inefficace reposant sur des heuristiques manuelles ou une recherche exhaustive, et des difficultés d'interprétation. AttentionDSE résout ces problèmes en intégrant des prédictions de performances et des conseils de conception via une architecture de réseau neuronal basée sur l'attention. Les pondérations d'attention remplissent le double rôle d'estimer précisément les performances tout en exposant simultanément les goulots d'étranglement. Les innovations clés incluent un mécanisme d'attention piloté par la perception qui exploite la hiérarchie et la localité (réduisant la complexité de $\mathcal{O}(n^2)$ à $\mathcal{O}(n)$) et une analyse des goulots d'étranglement sensible à l'attention, qui suggère automatiquement des paramètres critiques pour une optimisation ciblée. Dans une évaluation de l'espace de conception de processeur à haute dimension utilisant le benchmark SPEC CPU2017, AttentionDSE atteint jusqu'à 3,9 % d'hypervolume de Pareto supérieur et un temps de recherche plus de 80 % plus rapide par rapport aux modèles de base de pointe.
