RLPlanner：基于强化学习的 Chiplet 布局规划与快速热分析
机器学习
2024-01-17 v2 硬件体系结构
摘要
近年来，基于 Chiplet 的系统因其低成本和有竞争力的性能而受到广泛关注。随着基于 Chiplet 系统的复杂性和紧凑性的增加，在布局规划阶段必须仔细考虑微凸点分配、互连延迟和热限制。本文介绍了 RLPlanner，这是一种用于基于 Chiplet 系统的高效早期布局规划工具，具有新颖的快速热评估方法。RLPlanner 采用先进的强化学习来联合最小化总线长和温度。为了缓解耗时的热计算，RLPlanner 结合了所开发的快速热评估方法，以加速迭代和优化。综合实验表明，与开源热求解器 HotSpot 相比，我们提出的快速热评估方法实现了 0.25 K 的平均绝对误差，并提供了超过 120 倍的加速。当与我们的快速热评估方法集成时，RLPlanner 在最小化目标目标（线长和温度的组合）方面取得了平均 20.28% 的改进，且运行时间相近，而对比对象为结合 HotSpot 的经典模拟退火方法。
引用
@article{arxiv.2312.16895,
title = {RLPlanner: Reinforcement Learning based Floorplanning for Chiplets with Fast Thermal Analysis},
author = {Yuanyuan Duan and Xingchen Liu and Zhiping Yu and Hanming Wu and Leilai Shao and Xiaolei Zhu},
journal= {arXiv preprint arXiv:2312.16895},
year = {2024}
}