ChipletPart: Cost-Aware Partitioning for 2.5D Systems

Ce travail présente ChipletPart, un partitionneur de systèmes 2.5D axé sur les coûts qui intègre un modèle de coût sophistiqué et des algorithmes d'optimisation pour réduire significativement les dépenses tout en garantissant la faisabilité du plan de puce et l'efficacité de l'intégration hétérogène par rapport aux solutions existantes.

L'essentiel

Voici une explication simple et imagée de l'article scientifique sur ChipletPart, conçue pour être comprise par tout le monde, même sans être ingénieur en électronique.

🧩 Le Problème : Construire un château de cartes géant

Imaginez que vous devez construire un château de cartes immense et très complexe (un processeur d'ordinateur ultra-puissant).

• L'ancienne méthode (Monolithe) : Vous essayez de fabriquer une seule pièce de carton géante qui contient tout le château d'un coup. C'est risqué ! Si une seule petite tache de poussière (un défaut) gâche le carton, tout le château géant est inutilisable. De plus, c'est très cher à produire.
• La nouvelle méthode (Chiplets) : Au lieu d'un seul géant, vous fabriquez plusieurs petits châteaux (des "chiplets") séparés, puis vous les assemblez sur une grande plaque (un "interposeur"). Si un petit château est raté, vous n'en perdez qu'un, pas tout le système. C'est plus économique et plus flexible.

Le défi : Comment découper le grand projet en petits morceaux intelligents ?

1. Il faut que les petits morceaux puissent "se parler" facilement (ils sont connectés par des fils).
2. Il ne faut pas que les fils soient trop longs, sinon le signal s'affaiblit (comme un cri qui ne porte pas assez loin).
3. Il faut choisir le bon matériau pour chaque petit morceau (certains sont meilleurs pour la vitesse, d'autres pour la mémoire), mais chaque matériau a un prix différent.

C'est là que l'équipe de chercheurs (de l'UCLA et de l'UC San Diego) intervient avec son outil : ChipletPart.

---

🛠️ La Solution : Le Chef d'Orchestre Intelligents

ChipletPart est un logiciel qui agit comme un chef d'orchestre très malin pour organiser cette construction. Voici comment il fonctionne, avec des analogies simples :

1. Le "Plan de Cuisine" (Modèle de Coût)

Imaginez que vous organisez un grand dîner. Vous avez des ingrédients coûteux (comme le safran) et des ingrédients bon marché (comme les pâtes).

• Les anciens logiciels de découpage regardaient juste le nombre de liens entre les ingrédients, sans se soucier du prix.
• ChipletPart, lui, regarde le budget total. Il sait que mettre un processeur complexe sur un matériau très cher coûte une fortune, alors qu'il peut mettre une partie simple sur un matériau moins cher. Il cherche le mélange parfait pour payer le moins cher possible.

2. Le "Test de Distance" (Contraintes de Portée)

C'est le point crucial. Imaginez que vos petits châteaux sont reliés par des élastiques.

• Si vous placez deux châteaux trop loin l'un de l'autre, l'élastique casse ou ne fonctionne plus (c'est la contrainte de "reach" ou de portée des signaux).
• Les anciens logiciels faisaient des découpages théoriques qui semblaient bien sur papier, mais qui, une fois construits physiquement, étaient impossibles à assembler car les fils étaient trop longs.
• ChipletPart a un "mètre-ruban" intégré. Avant de valider un découpage, il simule la construction physique pour s'assurer que tous les fils tiennent dans la longueur autorisée. Il ne propose que des solutions réalisables.

3. Le "Jeu de l'Évolution" (Algorithme Génétique)

Comment trouver la meilleure solution parmi des milliards de possibilités ?

• Le logiciel utilise une méthode inspirée de l'évolution naturelle (comme Darwin).
• Il crée une "population" de 50 idées de découpages différents.
• Il les "fait se reproduire" : il mélange les meilleures idées (croisement) et en modifie légèrement certaines au hasard (mutation).
• Il garde les meilleures idées et jette les pires.
• Au fil des générations, la solution s'améliore jusqu'à trouver le découpage le moins cher et le plus réalisable.

---

🏆 Les Résultats : Pourquoi c'est génial ?

L'article compare ChipletPart à d'autres méthodes (comme des ciseaux automatiques classiques ou des humains experts) :

1. Économies massives : ChipletPart réduit le coût de fabrication jusqu'à 58 % par rapport aux méthodes classiques. C'est comme si vous pouviez construire votre château avec presque la moitié du budget !
2. Zéro échec : Contrairement aux autres outils qui proposent parfois des plans impossibles à construire, ChipletPart garantit que chaque plan est physiquement réalisable.
3. Flexibilité : Il permet de mélanger intelligemment les technologies. Par exemple, il peut dire : "Mets la partie 'cerveau' du processeur sur un matériau très performant (mais cher), et la partie 'mémoire' sur un matériau moins cher". Cela permet d'économiser encore plus.

🚀 En Résumé

ChipletPart, c'est comme avoir un architecte de génie qui :

• Connaît parfaitement les prix de tous les matériaux.
• Mesure la distance entre chaque pièce avant de dessiner le plan.
• Utilise une intelligence artificielle évolutive pour tester des milliers de combinaisons en quelques heures.

Le résultat ? Des ordinateurs plus puissants, fabriqués moins cher, et avec moins de gaspillage. De plus, les chercheurs ont rendu cet outil gratuit et open-source, permettant à toute la communauté de l'utiliser pour construire l'avenir de l'électronique.

Résumé technique

Titre : ChipletPart : Partitionnement conscient des coûts pour les systèmes 2.5D

1. Problématique

L'adoption des chiplets (puces modulaires) pour la construction de systèmes 2.5D de grande taille et haute performance est en pleine croissance, car elle offre une alternative rentable aux puces monolithiques. Cependant, la partition d'un système complexe en chiplets individuels pose des défis majeurs que les méthodes traditionnelles ne résolvent pas :

• Complexité de l'objectif : Contrairement au partitionnement de réseau (min-cut) classique qui vise à minimiser le nombre de connexions coupées, le partitionnement de chiplets doit minimiser le coût total du système (incluant les coûts NRE, de fabrication, d'assemblage et de rendement).
• Contraintes de faisabilité physique (I/O Reach) : Les transceivers d'E/S inter-chiplets ont une portée limitée (reach). Une partition théoriquement optimale peut être physiquement impossible si la distance entre deux chiplets dépasse la capacité de leurs I/O.
• Hétérogénéité technologique : Il est crucial d'assigner intelligemment des nœuds de fabrication différents (ex: 7nm, 10nm, 14nm) à différents chiplets pour optimiser le compromis coût/performance, ce que les outils existants ne font pas automatiquement lors du partitionnement.
• Inadéquation des outils actuels : Les partitionneurs standards (comme hMETIS) ignorent les contraintes de placement (floorplan) et d'I/O, conduisant souvent à des solutions non réalisables physiquement.

2. Méthodologie : Le Framework ChipletPart

Les auteurs proposent ChipletPart, un framework open-source unifié qui combine le partitionnement multi-way, l'assignation de technologies hétérogènes et la vérification de faisabilité du floorplan en un seul flux automatisé.

Architecture globale :
Le framework utilise une approche modulaire combinant trois techniques d'optimisation :

1. Algorithme Génétique (GA) pour l'assignation technologique :
   • Le GA explore l'espace des solutions pour déterminer quelle technologie (nœud de fabrication) attribuer à chaque chiplet.
   • Un "génome" représente une séquence d'assignations technologiques.
   • Cela permet d'explorer les compromis de coûts dans des systèmes hétérogènes, une capacité absente des outils précédents.
2. Core-ChipletPart (Partitionnement et Raffinement) :
   • Génère un pool initial de partitions en utilisant diverses méthodes (partitionnement spectral, expansion des nœuds à haut degré, partitionnement aléatoire, METIS).
   • Applique un filtrage statistique (pruning) pour éliminer les solutions de mauvaise qualité.
   • Affine les solutions restantes via des algorithmes Fiduccia-Mattheyses (FM) et Kernighan-Lin (KL) adaptés au coût des chiplets.
3. Floorplanner basé sur le Recuit Simulé (SA) :
   • C'est le cœur de la faisabilité. Ce module vérifie si une partition respecte les contraintes de portée des I/O.
   • Il utilise une représentation Sequence Pair et optimise une fonction objectif combinant la violation de portée, la surface des chiplets et la surface du package.
   • Il permet de redimensionner (resizing) ou d'élargir (expansion) les chiplets pour satisfaire les contraintes de connectivité, garantissant ainsi que chaque solution proposée est physiquement réalisable.

Modèle de Coût :
L'article utilise un modèle de coût open-source (traduit en C++ pour des gains de performance >100x par rapport à la version Python originale) qui calcule le coût total en intégrant :

• Coût du silicium (dépendant du nœud technologique et de la surface).
• Coût d'assemblage et rendement (yield).
• Coûts NRE (Non-Recurring Engineering).
• Coûts liés aux I/O (taille des cellules, nombre de bumps).

3. Contributions Clés

• Premier framework unifié open-source : ChipletPart est le premier outil à intégrer simultanément le partitionnement orienté coût, l'assignation technologique hétérogène et la vérification de faisabilité du floorplan (I/O-aware).
• Assignation technologique dynamique : Contrairement aux outils existants (Floorplet, Chipletizer) qui supposent une technologie homogène ou ne gèrent pas l'assignation durant le partitionnement, ChipletPart utilise un GA pour optimiser cette variable.
• Faisabilité garantie : Grâce au floorplanner basé sur le recuit simulé, ChipletPart garantit que toutes les solutions générées respectent les contraintes de portée des I/O, évitant les solutions théoriques mais irréalisables.
• Optimisation Bayésienne (BO) : Les auteurs explorent également l'utilisation de l'optimisation bayésienne comme alternative au GA. Bien que la BO puisse offrir des coûts légèrement inférieurs (jusqu'à 5,3% de mieux) sur certains cas, elle impose une surcharge de temps d'exécution significative (jusqu'à 4x).
• Écosystème Open-Source : Le code, le modèle de coût et les générateurs de cas de test sont disponibles publiquement, standardisant les benchmarks pour la communauté.

4. Résultats Expérimentaux

Les auteurs ont évalué ChipletPart sur une série de cas de test (Waferscale, MemPool, un cas industriel et des designs commerciaux comme AMD EPYC et NVIDIA GA100) et comparé les résultats avec des partitionneurs de l'état de l'art (hMETIS, TritonPart, Floorplet, Chipletizer) et des partitions manuelles.

Performances principales :

• Réduction des coûts :
  • Jusqu'à 58% de réduction de coût par rapport aux partitionneurs min-cut de l'état de l'art (hMETIS, TritonPart), avec une moyenne géométrique de 20%.
  • Jusqu'à 47% de réduction par rapport à Floorplet (moyenne géométrique de 6%).
  • Jusqu'à 48% de réduction par rapport à Chipletizer, tout en produisant systématiquement des solutions I/O-faisables (Chipletizer échoue sur plusieurs cas).
  • Jusqu'à 43% de réduction grâce à l'intégration hétérogène par rapport aux implémentations homogènes.
• Faisabilité : ChipletPart produit des solutions I/O-faisables dans 100% des cas de test, tandis que les partitionneurs traditionnels échouent souvent à respecter les contraintes de portée (ex: 6 cas sur 9 non faisables sans le module de floorplan).
• Comparaison avec l'humain : Les solutions générées par ChipletPart sont jusqu'à 34% moins chères que les partitions manuelles (moyenne géométrique de 13%).
• Temps d'exécution : L'implémentation C++ offre un gain de vitesse de 5x par rapport au modèle Python et plus de 100x avec le parallélisme. Pour les grands designs, le temps d'exécution reste inférieur à 2 heures.

5. Signification et Impact

Ce travail marque une avancée significative dans la conception de systèmes 2.5D :

1. Transition vers le "Cost-Driven Design" : Il démontre que l'optimisation purement topologique (min-cut) est insuffisante pour les chiplets et que l'intégration précoce des modèles de coût et des contraintes physiques est essentielle.
2. Validation de l'Hétérogénéité : Il prouve quantitativement que l'assignation dynamique de technologies différentes aux chiplets permet des économies substantielles, un aspect souvent négligé dans les flux de conception actuels.
3. Outil de référence : En rendant l'outil et les benchmarks open-source, les auteurs fournissent à la communauté un standard pour évaluer et développer de futures méthodes de partitionnement de chiplets.
4. Futur : L'approche modulaire ouvre la voie à l'intégration de contraintes supplémentaires (thermiques, distribution d'alimentation, routage congestionné) et à l'adaptation aux technologies 3D empilées.

En conclusion, ChipletPart établit une nouvelle norme pour le partitionnement de chiplets, offrant des solutions non seulement optimisées en coût, mais également physiquement réalisables et technologiquement hétérogènes, comblant ainsi le fossé entre la conception logique et la réalité de l'assemblage 2.5D.