ChipletPart：面向2.5D系统的成本敏感型分区技术

《ACM Transactions on Design Automation of Electronic Systems》：ChipletPart: Cost-Aware Partitioning for 2.5D Systems

本研究提出ChipletPart工具，采用成本驱动方法进行2.5D系统分区，整合遗传算法和模拟退火技术，有效处理异构制造和I/O限制，实验表明成本降低达58%，优于现有方法。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

随着芯片组成为制造大型高性能系统的经济高效选择，其在工业领域的应用正在不断增长。因此，将大型系统划分为多个芯片组变得越来越重要。在这项工作中，我们推出了ChipletPart——一个基于成本优化的2.5D系统划分工具，它解决了芯片组系统的独特挑战，包括复杂的目标函数、芯片间I/O收发器的传输范围有限，以及将不同的制造技术分配给各个芯片组的问题。ChipletPart结合了先进的芯片组成本模型、基于遗传算法（GA）的技术分配和划分方法，以及基于模拟退火（SA）的芯片组布局规划器。我们的结果显示：ChipletPart：(i) 与最先进的min-cut划分工具相比，可将芯片组成本降低多达58%（几何平均数下降20%），而这些工具往往会产生不可行的布局方案；(ii) 与之前的工作Floorplet相比，生成的划分方案成本可降低多达47%（几何平均数下降6%）；(iii) 与Chipletizer相比，芯片组成本可降低多达48%（几何平均数下降30%），并且在所有测试案例中始终能够生成符合I/O要求的芯片组解决方案；(iv) 在我们研究的测试案例中，异构集成相比同构实现可将成本降低多达43%（几何平均数下降15%）。此外，我们还探索了贝叶斯优化（BO）方法，用于寻找低成本且符合布局要求的芯片组解决方案及其技术分配。在某些测试案例中，我们的BO框架虽然运行时间开销较高（最高可达4倍），但系统成本却有所提升（最高提升5.3%）。我们还提供了案例研究，展示了封装和芯片间信号技术的变化如何影响划分方案。最后，ChipletPart、其背后的芯片组成本模型以及我们的芯片组测试案例生成器均作为开源工具向社区提供。

人工智能摘要

人工智能生成的摘要（实验结果）

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现研究内容、评估其相关性，并协助来自相关研究领域的读者理解本文的工作。它旨在补充作者提供的摘要，后者仍是文章的官方总结。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于我们改进未来的版本。

要查看此由人工智能生成的简单语言摘要，您必须具有高级访问权限。