Simultaneous Multi-die Floorplanning and Technology Assignment
यह शोध पत्र हेट्रोजेनियस इंटीग्रेशन में समवर्ती मल्टी-डाई फ्लोरप्लानिंग और टेक्नोलॉजी असाइनमेंट के लिए पहला व्यवस्थित ढांचा प्रस्तुत करता है, जो एरिया, वायरलेंथ, परफॉरमेंस, पावर और कॉस्ट को संयुक्त रूप से अनुकूलित करने के लिए तीव्र PPA अनुमान हेतु मशीन लर्निंग का लाभ उठाता है, जिससे यह 2.5D और 3D ICs दोनों में ग्रीडी अप्रोच की तुलना में काफी बेहतर प्रदर्शन करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक वास्तुकार (architect) हैं जिसे एक विशाल, हाई-टेक शहर बनाने का काम सौंपा गया है। लेकिन यहाँ एक मोड़ है, आपको इसे एक ही विशाल भूखंड पर नहीं, बल्कि कई अलग-अलग मोहल्लों में बनाना है। कुछ मोहल्ले अत्याधुनिक, महंगे, हाई-स्पीड मटेरियल (जैसे 7nm तकनीक) से बने हैं, जबकि कुछ पुराने, सस्ते, धीमे मटेरियल (जैसे 45nm तकनीक) का उपयोग करते हैं।
यह आधुनिक कंप्यूटर चिप्स (जैसे 2.5D और 3D चिप्स) में हेटरोजीनियस इंटीग्रेशन (Heterogeneous Integration) की चुनौती है।
समस्या: "चिकन-एंड-एग" (मुर्गी या अंडा) की दुविधा
अतीत में, वास्तुकार (चिप डिज़ाइनर) पहले एक मोहल्ला चुनते थे, तय करते थे कि किन सामग्रियों का उपयोग किया जाएगा, और फिर इमारतों (सर्किट ब्लॉक्स) को फिट करने के लिए उन्हें व्यवस्थित करने की कोशिश करते थे।
लेकिन यह पेपर इस तर्क में एक दोष बताता है। यह ऐसा ही है जैसे किसी कमरे में फर्नीचर रखने की कोशिश करना इससे पहले कि आपको पता चले कि वह कमरा एक आरामदायक लाइब्रेरी होगा या एक विशाल गोदाम।
- यदि आप एक हाई-स्पीड प्रोसेसर को एक पुराने मोहल्ले में रखते हैं, तो यह बहुत धीमा हो सकता है।
- यदि आप एक साधारण सेंसर को एक हाई-टेक मोहल्ले में रखते हैं, तो आप पैसा बर्बाद कर रहे हैं।
- यदि आप दो ऐसी इमारतों को रखते हैं जिन्हें एक-दूसरे से बात करने की आवश्यकता है और वे दूर-दराज के मोहल्लों में हैं, तो उन्हें जोड़ने वाले "तार" लंबे और धीमे हो जाते हैं।
पुराना तरीका यह था कि पहले यह अनुमान लगाया जाए कि प्रत्येक इमारत के लिए सबसे अच्छा मोहल्ला कौन सा है। यह पेपर कहता है: "नहीं, आइए हम इमारतों को कहाँ रखना है और वे किस मोहल्ले से संबंधित हैं, यह दोनों चीजें एक ही समय में तय करें।"
समाधान: SMUFTA (स्मार्ट सिटी प्लानर)
लेखकों ने SMUFTA नामक एक नया सिस्टम बनाया है। इसे एक सुपर-इंटेलिजेंट सिटी प्लानर के रूप में समझें जो न केवल एक नक्शा देखता है, बल्कि एक भी ईंट रखने से पहले पूरे शहर के भविष्य के प्रदर्शन का अनुकरण (simulate) करता है।
यह कैसे काम करता है, सरल उपमाओं का उपयोग करते हुए:
1. "जादुई क्रिस्टल बॉल" (मशीन लर्निंग)
आमतौर पर, यह जानने के लिए कि एक इमारत कितनी बड़ी होगी या वह कितनी बिजली का उपयोग करेगी, आपको वास्तव में उसे बनाना पड़ता है। इसमें बहुत समय लगता है।
यह सिस्टम एक मशीन लर्निंग "क्रिस्टल बॉल" का उपयोग करता है। यह ब्लूप्रिंट (कोड) को देखता है और तुरंत भविष्यवाणी करता है:
- 7nm मोहल्ले बनाम 45nm मोहल्ले में इस ब्लॉक का आकार कितना होगा?
- यह कितनी बिजली खाएगा?
- यह कितनी तेज़ी से चलेगा?
यह प्लानर को दिनों के बजाय सेकंडों में हजारों "क्या-होगा-अगर" (what-if) परिदृश्यों को चलाने की अनुमति देता है।
2. तीन प्लानर्स (अनुकूलन विधियाँ)
यह सिस्टम शहर को व्यवस्थित करने के तीन अलग-अलग तरीके आज़माता है:
- "सिम्युलेटेड एनीलिंग" प्लानर: कल्पना कीजिए कि एक शेफ सूप चख रहा है। यदि यह बहुत नमकीन है, तो वह पानी डालता है। यदि यह बहुत फीका है, तो वह नमक डालता है। वे बेतरतीब ढंग से बदलाव करते रहते हैं, लेकिन जैसे-जैसे वे आगे बढ़ते हैं, वे धीरे-धीरे अधिक सावधान होते जाते हैं। यह एक क्लासिक, स्थिर दृष्टिकोण है।
- "बेयसियन" (Bayesian) प्लानर: यह एक जासूस की तरह है। यह अब तक जुटाए गए सुरागों को देखता है और सबसे अच्छे अगले कदम का अनुमान लगाने के लिए संभावना (probability) का उपयोग करता है, न कि केवल अंदाज़ा लगाने के लिए। यह बहुत कुशल है लेकिन गणना करने में धीमा हो सकता है।
- "रीइन्फोर्समेंट लर्निंग" (RL) प्लानर: यह मुख्य आकर्षण है। कल्पना कीजिए कि एक वीडियो गेम का पात्र एक लेवल खेलना सीख रहा है। हर बार जब वह इमारतों को अच्छी तरह से व्यवस्थित करता है, तो उसे एक "स्कोर" (पुरस्कार) मिलता है। हर बार जब वह गड़बड़ी करता है, तो उसके अंक कट जाते हैं। समय के साथ, AI प्रत्येक विशिष्ट मोहल्ले के लिए एकदम सही रणनीति सीख जाता है।
- मुख्य अंतर्दृष्टि: पेपर में पाया गया कि प्रत्येक मोहल्ले के लिए एक AI एजेंट होना सबसे अच्छा काम करता है। एक ही AI पूरे शहर को प्रबंधित करने की कोशिश करता है तो भ्रमित हो जाता है, लेकिन प्रत्येक मोहल्ले के लिए एक विशेषज्ञ जानता है कि उस विशिष्ट क्षेत्र को कैसे अनुकूलित किया जाए।
3. "इंटर-मोहल्ला" शोधन (Inter-Neighborhood Refinement)
एक बार जब इमारतें रख दी जाती हैं, तो सिस्टम मोहल्लों के बीच के कनेक्शन की जाँच करता है। यदि दो इमारतें जिन्हें आपस में बात करने की आवश्यकता है, वे बहुत दूर हैं, तो सिस्टम कह सकता है, "हे, चलिए इस इमारत को दूसरे मोहल्ले में ले चलते हैं ताकि तार छोटा हो सके।" यह तब तक इसे करता रहता है जब तक कि पूरा शहर पूरी तरह से संतुलित न हो जाए।
4. "लिफ्ट" की समस्या (3D चिप्स)
3D चिप्स के लिए, मोहल्ले पैनकेक की तरह एक के ऊपर एक रखे जाते हैं। डेटा को मंजिलों के बीच ले जाने के लिए आपको "लिफ्ट" (जिसे TSV कहा जाता है) की आवश्यकता होती है।
सिस्टम का एक विशेष नियम है: लिफ्ट को ब्लॉक न करें। यह सुनिश्चित करता है कि इन ऊर्ध्वाधर (vertical) कनेक्शनों को फिट करने के लिए इमारतों में पर्याप्त खाली जगह हो, या यह उनके लिए विशेष रूप से "व्हाइट स्पेस" (खाली स्थान) जोड़ता है।
परिणाम: यह क्यों मायने रखता है
शोधकर्ताओं ने वास्तविक दुनिया के चिप डिज़ाइनों (जैसे ग्राफिक्स कंट्रोलर और प्रोसेसर) पर पेशेवर उद्योग उपकरणों का उपयोग करके इसका परीक्षण किया।
निष्कर्ष स्पष्ट थे:
- पुराना "अनुमान और जाँच" वाला तरीका (Greedy approach) एक पहेली को बोर्ड पर बस टुकड़ों को फेंककर हल करने जैसा था। यह काम तो करता था, लेकिन तस्वीर बिखरी हुई और महंगी थी।
- नया SMUFTA तरीका, विशेष रूप से रीइन्फोर्समेंट लर्निंग वाला संस्करण, इस पहेली को खूबसूरती से हल करता है।
- लाभ: पुराने तरीके की तुलना में, नए तरीके ने बचाया:
- ~10-13% अधिक गति (प्रदर्शन)
- ~7-9% कम बिजली (पावर)
- ~9% छोटा आकार (क्षेत्रफल)
- ~5-7% कम लागत (पैसा)
निचोड़
यह पेपर एक सफलता है क्योंकि यह "कहाँ निर्माण करें" और "किस चीज़ से निर्माण करें" को दो अलग-अलग चरणों के रूप में नहीं देखता है। यह इन्हें एक बड़े, एक साथ होने वाले पहेली के रूप में देखता है।
भवि भविष्य की भविष्यवाणी करने और सब कुछ एक साथ अनुकूलित करने के लिए AI का उपयोग करके, हम छोटे, तेज़, सस्ते और अधिक ऊर्जा-कुशल कंप्यूटर चिप्स बना सकते हैं। यह एक मानचित्र पर बेतरतीब ढंग से इमारतों को गिराकर शहर बनाने और ज़ीरो से एक आदर्श शहर को डिज़ाइन करने के लिए सुपर-कंप्यूटर का उपयोग करने के बीच का अंतर है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।