Optimaliseren van RTL-codering met behulp van taalmodellen
Nieuw onderzoek richt zich op het genereren van hoogwaardige RTL-circuits met behulp van taalmodellen en versterkend leren. De methode helpt om betere compromissen te sluiten tussen vermogen, prestaties en chipoppervlak.
Het ontwerpen van hardware-circuits op basis van specificaties in natuurlijke taal krijgt steeds meer aandacht binnen de wetenschap. Recente technieken maken gebruik van versterkend leren met verifieerbare beloningen om taalmodellen effectief circuits te laten ontwerpen. Echter, het optimaliseren van meerdere doelstellingen tegelijkertijd, zoals energieverbruik, snelheid en benodigde ruimte op een chip, bleef tot op heden een uitdaging.
Bij de ontwikkeling van moderne elektronica is het vinden van de juiste balans tussen verschillende prestatie-eisen cruciaal. Geautomatiseerde code-generatie via AI helpt ingenieurs om sneller tot optimale ontwerpen te komen. Dit past binnen de bredere automatisering van chipontwerp en computerarchitectuur.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.AI). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel