Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

iDSE: Navigating Design Space Exploration in High-Level Synthesis Using LLMs

Created by
  • Haebom

저자

Runkai Li, Jia Xiong, Xi Wang

개요

본 논문은 고위 합성(HLS) 설계 공간 탐색(DSE)의 효율성을 높이기 위해 대규모 언어 모델(LLM)을 활용한 새로운 프레임워크인 iDSE를 제안합니다. 기존의 DSE 방법들은 지수적으로 증가하는 설계 공간과 최적 설계 탐색의 어려움을 겪지만, iDSE는 LLM의 설계 품질 인식 능력을 활용하여 설계 공간을 효과적으로 탐색하고, Pareto 최적 설계에 빠르게 수렴하도록 설계 공간을 지능적으로 가지치기합니다. LLM의 수렴적 및 발산적 사고 패턴을 활용하여 설계 품질과 다양성을 다중 경로로 개선하며, 실험 결과 기존 휴리스틱 기반 DSE 방법들보다 5.1배~16.6배 높은 효율성을 보이며 NSGA-II와 유사한 결과를 훨씬 적은 탐색으로 달성함을 보여줍니다.

시사점, 한계점

•
시사점:
◦
LLM을 활용하여 HLS DSE의 효율성을 크게 향상시킬 수 있음을 보여줌.
◦
기존 휴리스틱 기반 DSE 방법의 한계를 극복하고 Pareto 최적 설계에 효과적으로 수렴하는 새로운 방법 제시.
◦
LLM의 수렴적 및 발산적 사고 패턴을 HLS 설계 최적화에 활용하는 새로운 접근법 제시.
◦
다중 목적 최적화 문제 해결에 대한 새로운 통찰력 제공.
•
한계점:
◦
LLM의 성능에 의존적이며, LLM의 학습 데이터 및 모델 아키텍처에 따라 성능이 달라질 수 있음.
◦
LLM의 설명 가능성 부족으로 인해 설계 의사결정 과정의 투명성이 낮을 수 있음.
◦
특정 HLS 툴 및 설계에 대한 일반화 가능성에 대한 추가 연구가 필요함.
◦
LLM 사용에 따른 연산 비용 증가 가능성 존재.
👍
Made with Slashpage