Czy agenci AI projektują lepsze chipy na wyższym poziomie abstrakcji?

Badanie dostępne na arXiv pokazuje, że agenci oparte na modelach LLM mogą projektować chipy 2,6 razy szybciej, jeśli pracują na wyższym poziomie abstrakcji zamiast bezpośrednio na poziomie RTL. Zespół testował cztery różne podejścia: projektowanie bezpośrednio w RTL, projektowanie przez agentów na poziomie HLS, refinement HLS po kompilacji oraz refinement RTL po HLS. Najlepsze rezultaty przyniosła kombinacja designu opartego na HLS z agentem oraz Later refinement na poziomie RTL, oznaczona AHRR.

Ważność tego odkrycia polega na tym, że dominujący dotąd kierunek rozwoju skupiał się na kierowaniu agentów bezpośrednio do kodu RTL. Nowe badanie sugeruje, że wyższa abstrakcja HLS pozwala agentom lepiej zrozumieć strukturę problemu i znaleźć bardziej efektywne rozwiązania. Naukowcy wykorzystali FPGAs do praktycznej oceny end-to-end na zestawie 11 różnych zadań, a wyniki pokazały, że HLS działa jako intermediate representation, która zawiera wiedzę projektową ułatwiającą agentom optymalizację.

Znalezienia mogą mieć znaczący wpływ na przyszłość automatyzacji projektowania chipów. Sugerują one, że zamiast trenować agentów do bezpośredniego radzenia sobie ze złożonością RTL, bardziej obiecujące jest nauczenie ich pracy z wyższymi abstrakcjami, gdzie mogą lepiej rozumować o problemach projektu. Kod i artefakty badania zostały udostępnione publicznie, co pozwoli innym badaczom na dalsze eksperymentowanie z tym podejściem.