🤖 AI

ContractHIL-HLS: Contract-Aligned Multi-Agent Workflow with Hardware-in-the-Loop Feedback for HLS Design

本論文は、構造化された自然言語からコントラクトへの変換とハードウェア・イン・ザ・ループのフィードバックを統合することで、HLS設計タスクにおける合格率を大幅に向上させ、ボードレベルの耐量子計算機暗号アクセラレータを最適化する、コントラクト整合型マルチエージェント・ワークフローであるContractHIL-HLSを提案する。

原著者： Jingbo Zhang, Haoxiang Sun, Wenbo Wang, Wenbo Zhang

公開日 2026-07-29

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Jingbo Zhang, Haoxiang Sun, Wenbo Wang, Wenbo Zhang

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、非常に賢く、超高速で動くロボットに、複雑な機械（カスタムビデオゲームコンソールや超高セキュアな金庫など）の作り方を教えていると想像してください。あなたはロボットに、「速くて安全なものを作って」といった、普通の英語による指示を与えます。大規模言語モデル（コードを読み書きするAI）を搭載したロボットは、そのコードの「概念」を書くことは得意ですが、実際の機械が動作するために必要な、電力消費量や部品の適合性といった、細かくて退屈なルールを忘れてしまうことがよくあります。これが、人間がAIを使ってチップのための実際のハードウェア設計に変換しようとする、高位合成（HLS）の世界です。大きな疑問は、単に「AIがコードを書けるか？」ではなく、「AIが、人間が一つ一つのミスを手作業で修正することなく、実際に基板上で動作するものを構築できるか？」という点にあります。

ここで、北京理工大学の研究チームが、ContractHIL-HLSと呼ばれる新しいアイデアを提案しています。これは、AIにとっての「スマートなプロジェクトマネージャー」のようなものです。AIにただあなたとチャットさせるのではなく、まず形式的な「契約」を結ばせるのです。この契約は、厳格で構造化されたルールのリストです。「機械が何をすべきか、やってはいけないことは何か、そしてどのようにテストするか」を正確に定義します。もしAIがルールを破ろうとすれば、システムが即座に検知します。さらに素晴らしいことに、このプロセスを実際のハードウェアへと接続します。もしAIが設計したチップが熱くなりすぎたり、動作が遅すぎたりした場合、実際の機械が「失敗レポート」をAIに送り、AIは設計を書き直して修正しなければなりません。これは、キャラクターが単に答えを推測するのではなく、罠にかかった際に「なぜ失敗したのか」という明確な理由を受け取り、より良い計画で再挑戦するビデオゲームのようなものです。

問題点：AIは会話は得意だが、構築は苦手

通常、AIにハードウェアの設計を依頼すると、AIはクリエイティブなライターのように振る舞います。プロンプトに基づいてコードを生成しますが、しばチックの「細かい規定」を忘れがちです。例えば、ハードウェアチップがサポートしていない機能を使用したり、書類上は立派に見えても、実際に動かそうとするとクラッシュするような設計を作成したりすることがあります。従来の手法では、AIに「アーキテクト」や「コーダー」といった異なる役割を演じさせることで解決しようとしましたが、コーダーが作業を始める頃には、AIはアーキテクトが言ったことを忘れてしまうことがよくありました。設計の意図が会話の中で失われてしまうのです。

研究者たちは、長く乱雑な会話に頼るのではなく、構造化された契約が必要であることに気づきました。カスタムピザを注文することを想像してください。「美味しいピザが欲しい」と言う代わりに、フォームに記入します。「生地：薄い。トッピング：ペパロニのみ。マッシュルーム抜き。10分以内に準備完了すること」。このフォームこそが「契約」です。チップ設計の世界では、この契約があなたの曖昧なアイデアを、AIが従うべき厳格なルールへと変換します。

解決策：3つのエージェントによるワークフロー

チームは、よく整備された機械のように連携して動く、3つの特化した「エージェント（AIヘルパー）」を備えたシステムを構築しました。

契約エージェント（Contract Agent）： このエージェントは、あなたの乱雑な自然言語のリクエスト（例：「安全なメッセージシステムを作って」）を受け取り、それを先ほどの厳格な「ピザの注文」のような契約へと変換します。インターフェース、制約（禁止事項）、およびテストのためのルールを定義します。
HTMLエージェント（HTML Agent）： このエージェントは、契約を受け取り、それを整理された構造的なウェブページ（HTML）へと変換します。なぜウェブページなのか？それは、人間にとって読みやすく、次のAIエージェントにとっても理解しやすく、コンピュータのスクリプトにとってもチェックしやすいからです。これは、ルールを記録する、変更不可能な永続的記録として機能します。
Hardware-in-the-Loop (HIL) エージェント： これは「ビルダー」です。HTML契約を確認してコードを書き、そして――ここが魔法の部分ですが――実際のハードウェアで実際にテストを行います。もしハードウェアが「この設計はメモリを使いすぎている」と言えば、HILエージェントはその証拠を確認し、契約書を読み、コードを書き直して修正します。もし修正できない場合は、システムは「ロールバック（巻き戻し）」を行い、別の方法を試すことを認識します。

得られた結果：小さな勝利と大きな飛躍

チームはこのシステムが本当に機能するかどうかを確認するため、2つの全く異なる方法でテストを行いました。

1. 「小規模設計」テスト（HLS-Eval）
まず、94個の標準的なコーディングタスクを用いてテストを行いました。以下の3つの手法を比較しました。

直接（Direct）： 特別なルールなしで、単にAIに依頼する。
契約（Contract）： 構造化された契約を使用するが、実際のハードウェアからのフィードバックは行わない。
ContractHIL-HLS： 契約とハードウェアフィードバックの両方を用いたフルシステムを使用する。

結果は明白でした。「直接」法ではテストの約64.0%を通過しました。契約を加えると、成功率は70.2%に跳ね上がりました。フルシステムでは、1回の試行で70.4%、5回試行を許可した場合には**76.6%**に達しました。これは、単に構造化された契約に従わせるだけで、実際のハードウェアに触れる前から、AIの信頼性が大幅に向上することを証明しています。

2. 「実世界」テスト（PQCケーススタディ）
小規模なテストは素晴らしいものですが、大規模で複雑なシステムでも通用するのでしょうか？それを知るために、チームは耐量子計算機暗号（PQC）を用いた安全なメッセージアクセラレータを構築しました。これは、将来の量子コンピュータでも解読できない、極めて高度なセキュリティ技術です。これは、メモリ、タイミング、電力を伴う巨大なエンジニアリングの課題です。

彼らは、メッセージ処理に207.3 msを要する単一の設計（1つの「ビットストリーム」）からスタートしました。システムはハードウェアからのフィードバックを分析し、その設計が混雑しており、速度が遅すぎることを突き止めました。契約ルールに従い、AIは設計を2つの別々のパーツ（「デュアル・ビットストリーム」構成）に分割しました。一方のパーツは送信を、もう一方は受信を担当します。

結果はどうだったでしょうか？新しい設計は、わずか52.4 msでメッセージを処理しました。これは劇的なスピードアップです！また、消費電力も抑えられ、すべてのタイミングチェックをパスしました。システムは、「契約」をガイドとして使い、セキュリティルールを維持したまま、AIを「遅い単一設計」から「高速な分割設計」へと導くことに成功したのです。

なぜこれが重要なのか

この論文は、AIが自律的に「天才」になるのを待つ必要はないということを示しています。代わりに、厳格で壊れることのない契約によって導かれ、現実世界の証拠によって修正されるワークフローを構築すればよいのです。研究者たちは、このアプローチが単にAIのコーディングを速くするだけでなく、そのコードを「実際に動作するもの」にすることを発見しました。

しかし、論文はこれがすべてに対する魔法の杖ではないことも注意深く述べています。テストにおいて、契約を用いてもAIが完全に失敗したタスクのグループ（「machsuite」と呼ばれるもの）が存在しました。これは、契約がAIにルールを守らせる助けにはなるものの、AIが基礎となる数学や論理自体をまだ知らない場合には、解決できないことを示唆しています。

要するに、ContractHIL-HLSは、人間の曖昧なアイデアの世界と、ハードウェアチップの厳格な世界との間の架け橋です。それはAIを「クリエイティブなライター」から「規律あるエンジニア」へと変え、私たちが「安全で高速なマシン」を求めたとき、実際にそれが手に入ることを保証するのです。

技術要約: ContractHIL-HLS

問題提起

大規模言語モデル（LLM）はハードウェアコードを生成する能力を示しているが、実用的な高位合成（HLS）エンジニアリングには、反復プロセスを通じて設計意図を維持し、EDA（電子設計自動化）からのフィードバック、ホスト制御、メモリ所有権、およびFPGAへのデプロイメント測定との整合性を確保するワークフローが必要である。既存のベンチマーク（Chip-Chat、RTLLM、HLS-Evalなど）は、モデルが有効なコードを生成できることを示しているが、設計意図がツールのフィードバックやデプロイ結果に対して追跡可能であることを保証するワークフローを確立することにはしばしば失敗している。従来のアプローチは、通常、会話的なロールプロンプトや会話履歴を状態として利用しており、これにより、「アーキテクト」プロンプトによって導入された制約が、その後の「コーダー」プロンプトによって省略されるといった問題が生じることがある。さらに、既存のLLM支援型HLSに関する研究は主にカーネル中心であり、ビットストリームのパーティショニング、ライブステートの所有権、およびクロスステージのセキュリティ境界に関するカバー範囲を欠いている。

手法

本論文では、曖昧な自然言語のリクエストを、追跡可能なHLS実装へと変換するために設計された、契約に整合したマルチエージェント・ワークフローであるContractHIL-HLSを提案する。このワークフローは、以下の3つのコアメカニズムによって特徴付けられる：

実行アーティファクトとしての構造化された契約: 緩やかな会話履歴に頼る代わりに、本ワークフローは、要件を明示的なフィールドにエンコードする形式的な契約（ $C = \langle R, I, F, H, K, O, V, B \rangle$ ）を導入する。この契約は、役割/プラットフォーム（Role/Platform）、公開インターフェース（Public Interface）、機能的意図（Functional Intent）、ハード/ネガティブ制約（Hard/Negative Constraints）、互換性（Compatibility）、最適化の意図（Optimization Intent）、検証のエビデンス（Validation Evidence）、およびロールバックポリシー（Rollback Policy）をコード化する。この契約は、セマンティックな整合性とタスク実行のためのアーティファクトとして機能する。
セマンティック・ローアリングによるエージェント分解: エージェントは、会話的な役割ではなく、その変換タスクによって定義される：
- 契約エージェント（Contract Agent）: 自然言語を構造化された契約へと正規化する。
- HTMLエージェント（HTML Agent）: 契約を、セクション、テーブル、チェックリストを含む、安定した検査可能なHTMLアーティファクトへとレンダリングする。このアーティファクトは、人間とスクリプトの両方によって読み取り可能である。
- Hardware-in-the-Loop (HIL) エージェント: HTMLアーティファクトと測定されたハードウェアのエビデンスを組み合わせて、設計の実装および修正を行う。
Hardware-in-the-Loop フィードバックループ: 本ワークフローは、HLSツール（Vitis）、実装ツール（Vivado）、およびボードのランタイム測定（PYNQ）からのフィードバックを、生成および決定ループに直接統合する。これにより、LLM支援設計をカーネルコードからシステムおよびボードレベルのクローズへと拡張する。このループには、限定的な実装リクエスト、低コストの拒絶チェック（パース、コンパイル、テストベンチ）、合成/実装チェック、および測定されたエビデンス（例：最悪負の遅延（WNS）、リソース使用率、電力、実行時間）に基づく保持またはロールバックの決定が含まれる。

主な貢献

本論文は、主に3つの貢献を述べている：

実行アーティファクトとしての構造化された契約: 要件を明示的なフィールド（インターフェース、制約、検証、最適化、ロールバック）としてエンコードすることで、繰り返されるプロンプトテキストではなく、共有されたエンジニアリングオブジェクトとして生成を整合させる。
永続的なHTMLとHILフィードバックループ: 契約は構造化されたHTMLにレンダリングされ、ツールの出力（HLS、Vivado、デプロイメント指標）は、実装とロールバックの決定を駆動するための第一級のワークフロー状態としてフィードバックされる。
ベンチマークからエンジニアリングケースへのエージェント調整: 契約に整合したアプローチが、94のローカルHLS-Evalタスクにおいて良好な結果をもたらし、ボードテスト済みの耐量子計算機暗号（PQC）セキュアメッセージシステムへと設計ループを正常に拡張できることを示す。

結果

HLS-Eval による評価（小規模設計設定）

Vitis HLSツールチェーンを用いた、94のローカル実行可能なHLS-Evalタスクによる評価：

ベースライン vs. 契約: 構造化された契約の導入のみにより、推定単一サンプル・テストベンチ通過率（pass@1）が、64.0%（直接プロンプト）から**70.2%**に向上した。
完全なワークフロー: 完全なContractHIL-HLSフローは、**70.4%のpass@1および76.6%**のpass@5を達成した。
トークン効率: 「契約」設定は、指示を緩やかに繰り返す代わりに名前付きフィールドを使用することで、「直接」設定（3741トークン）よりも少ないトークン数（3555トークン）を使用しており、単にプロンプトの長さを増やすことなく信頼性が向上していることを示唆している。
カテゴリ分析: ほとんどのベンチマークファミリー（chstone, polybench, rosettaなど）で改善が見られたが、machsuiteグループはpass率が0.0%のままであり、このワークフローは妥当な実装の信頼性は向上させるものの、アルゴリズム的な能力の欠如を補完することはできないことを示している。

PQC ケーススタディ（ボードレベルのデプロイメント）

耐量子計算機暗号（ML-KEM/ML-DSA）セキュアメッセージ・アクセラレータによる検証：

パフォーマンス: ワークフローは、モノリシックな単一ビットストリーム設計から、デュアルビットストリーム構成（KEMとDSA/XORロジックの分割）への移行に成功した。これにより、平均テキスト実行時間が207.3 msから52.4 msへと短縮された。
効率性: 保守的なエネルギー遅延積（EDP）は、171.3 mJ·sから23.6 mJ·sへと改善した。
タイミングとリソース: 分割設計によりタイミング違反が解消された（WNSはモノリシック画像における1.570 nsから、分割画像ではそれぞれ0.769 nsおよび0.171 nsへと改善）。また、メモリ圧力が再分配され、両方のイメージがポジティブなルーティング済みタイミング・スラックを達成した。
検証: ワークフローは受信者境界ルールと復号メッセージの検証を維持し、ステートの所有権が可視であり、かつ正しいことを保証した。

意義と主張

本論文は、ContractHIL-HLSが、孤立したコード生成と追跡可能なワークフロー実行の間のギャップを埋めるものであると主張している。その意義は以下の点にある：

状態の整合性: 自然言語による暗黙的な要件を、安定した検査可能な構造（契約/HTML）に変換することで、ボードへのフィードバックが得られる前段階においても、ハードウェアコード生成の信頼性が大幅に向上することを実証した。
システムレベルのクローズ: 同様の契約に整合したワークフローが、カーネルレベルのベンチマークから、ビットストリームのパーティショニング、ホストのオーケストレーション、およびセキュリティ境界を含む複雑なボードテスト済みシステムへとスケールできることを証明した。
エビデンス駆動の修正: ツールの出力（QoR、タイミング、電力）が、ロールバックの決定を駆動する第一級のアーティファクトとなるメカニズムを確立し、特定のゲート（例：タイミングやリソース制約）に適合しない設計が密かに伝播することを防ぐ。

著者らは、このワークフローは、モデルが妥当な実装に近い場合に信頼性を向上させるための「状態整合メカニズム」であり、あらゆるアルゴリズム的な欠陥に対する普遍的な解決策ではないという、控えめな立場を維持している。PQCのケースは、プリミティブレベルのレイテンシの優位性を主張するためではなく、システムの完全性に対するデプロイメントのストレス・テストとして提示されている。