Building Reliable Arithmetic Multipliers Under NBTI Aging and Process Variations

기술 요약: NBTI 노화와 공정 편차 하에서 신뢰성 있는 산술 승산기 구축

문제 제기
하드웨어 노화, 특히 음전압 온도 불안정성 (NBTI) 은 CPU, GPU 및 심리스틱 어레이와 같은 AI 가속기를 포함한 현대 컴퓨팅 시스템의 집적 회로 (IC) 신뢰성에 치명적인 위협을 가합니다. NBTI 는 주로 PMOS 트랜지스터에 영향을 미치며, 이들이 음전 게이트 바이어스 (논리 '0') 하에 있을 때 문턱 전압 ($V_{th}$) 이 점진적으로 증가하게 됩니다. 이러한 열화는 스위칭 지연 증가, 타이밍 위반, 그리고 궁극적인 계산 실패로 이어집니다.

이 문제는 행렬 곱셈에 의존하는 AI 워크로드에서 보편적으로 사용되는 산술 승산기에서 더욱 악화됩니다. 균일한 스트레스 분포를 보이는 리플 캐리 어드더와 달리, 어레이 승산기는 매우 불균일한 스트레스 패턴을 겪습니다. furthermore, 제조 공정 중 발생하는 공정 편차는 초기 문턱 전압 편차를 유발하여 다른 트랜지스터보다 훨씬 빠르게 노화되는 '최초 고장 (F2F)' 트랜지스터를 만듭니다. 동적 전압 및 주파수 스케일링 (DVFS), 워크로드 균형 조정, 또는 소프트웨어 수준의 스케줄링과 같은 기존 완화 전략들은 종종 성능 오버헤드를 초래하거나 복잡한 런타임 관리가 필요하거나 승산기 아키텍처에 내재된 특정 스트레스 불균형을 해결하지 못합니다.

방법론
저자들은 승산의 수학적 부호 불변성 ($A \times B = (-A) \times (-B)$) 을 활용한 하드웨어 수준의 노화 완화 기술을 제안합니다. 핵심 통찰력은 계산 결과가 동일하게 유지되는 동안 입력 피연산자에 2 의 보수 변환을 적용 ($A \to -A, B \to -B$) 하면 내부 논리 상태가 변경되어 승산기의 PMOS 트랜지스터 전반에 걸쳐 스트레스 (논리 '0'의 확률) 가 재분배된다는 점입니다.

이 방법론은 세 가지 주요 구성 요소를 포함합니다:

1. 오라클 생성 (오프라인): 회로 시뮬레이션 (Cadence) 과 NBTI 모델을 사용하여 이상적인 선택기 (Oracle) 를 오프라인으로 개발합니다. 이 과정은 초기 공정 편차에 기반하여 F2F 트랜지스터를 식별하고, 새로운 병목 현상을 생성하지 않으면서 이러한 취약한 트랜지스터의 스트레스를 최소화하기 위한 최적의 입력 변환 (원본 vs 2 의 보수) 을 결정합니다.
2. 하드웨어 친화적 선택기 모듈 (SM): 면적 오버헤드로 인해 완전한 오라클 룩업 테이블을 구현하는 것은 비실용적이므로, 저자들은 2 의 보수 변환 적용 여부를 결정하기 위해 입력 비트의 작은 부분 집합 (4~6 비트) 을 취하는 단순화된 부울 함수 ($f$) 를 사용하여 오라클의 동작을 근사화합니다. 이 모듈은 경량화되어 있으며 기본 논리 게이트를 사용하여 구현됩니다.
3. 공정 편차를 위한 앙상블 접근법: 단일 선택기가 비최적일 수 있는 다양한 공정 편차 시나리오를 처리하기 위해, 저자들은 여러 개의 선택기 모듈 (2~4 개의 서로 다른 SM) 로 구성된 앙상블을 제안합니다. 각 SM 은 서로 다른 F2F 트랜지스터 집합에 맞춰져 있어, 주어진 승산기의 특정 노화 프로필에 가장 적합한 변환 전략을 시스템이 선택할 수 있게 합니다.

이 기술은 각 처리 요소 (PE) 내에 SM 을 내장하여 심리스틱 어레이 (SA) 에 통합됩니다. SM 은 승산 및 누적 연산과 병렬로 작동하여 처리량에 미미한 영향만 미칩니다.

주요 기여

• 새로운 완화 메커니즘: 계산의 정확성을 변경하지 않고 승산기 내 NBTI 스트레스를 재분배하는 부호 불변성 기반 접근법 도입.
• 하드웨어 효율성: 복잡한 소프트웨어 스케줄링이나 외부 전압 조절 없이 최소한의 면적 및 전력 오버헤드로 이상적인 오라클을 근사화하는 선택기 모듈 개발.
• 편차에 대한 견고성: 제조된 칩의 불균일한 노화 문제를 해결하며 다양한 공정 편차 시나리오 전반에 걸쳐 효과를 유지하는 앙상블 전략.
• 통합: 고투과율 AI 가속기 (심리스틱 어레이) 내에서의 방법론 실현 가능성 입증 및 부동소수점 승산기 및 기타 산술 유닛으로의 확장 가능성 제시.

실험 결과
제안된 방법은 GlobalFoundries 의 22nm 기술을 기반으로 한 Cadence 도구를 사용하여 평가되었으며, 다양한 승산기 아키텍처 (어레이 및 월리스 트리) 와 비트 너비 (4~32 비트) 를 가진 128×128 심리스틱 어레이를 시뮬레이션했습니다.

• 수명 향상:
  • 완화 조치가 없는 베이스라인과 비교하여 12 비트 어레이 승산기에서 최대 75% 의 수명 향상을 달성했습니다.
  • 다양한 비트 너비와 아키텍처 전반에 걸쳐 평균 64% 의 수명 향상이 관찰되었습니다.
  • NBTI 노화와 공정 편차 (몬테카를로 시뮬레이션) 가 결합된 조건에서 단일 SM 사용 시 약 44% 의 향상을 보였으며, 세 개의 SM 으로 구성된 앙상블을 사용할 경우 이 수치는 **약 57%**로 증가했습니다.
• 오버헤드:
  • 면적: 사용된 SM 수에 따라 약 **3~4%**의 최소 면적 오버헤드를 도입합니다.
  • 전력: 전력 오버헤드는 무시할 수 있으며 평균 **약 0.38%**입니다.
  • 지연: 선택기 모듈은 PE 계산 시간의 약 **2.5~2.9%**에 해당하는 지연을 추가하지만, 파이프라인 아키텍처에서는 완전히 마스킹될 수 있습니다.
• 비교: 제안된 SM 기반 방법은 무작위 1 의 보수 전략 (TRNG 및 Zero-Bias Probability) 보다 6~21% 우수했으며, SM 앙상블을 사용할 경우 DVFS 기반 접근법보다 4.5% 더 뛰어났습니다.

의의 및 주장
이 논문은 이 기술이 AI 및 일반 컴퓨팅의 핵심 병목 현상인 산술 유닛의 노화 문제에 대한 실용적이고 하드웨어 중심적인 해결책을 제공한다고 주장합니다. 승산의 고유한 수학적 속성을 활용함으로써, 이 방법은 기존 솔루션과 관련된 성능 패널티나 소프트웨어 복잡성 없이 상당한 신뢰성 향상을 달성합니다. 저자들은 이 접근법이 확장 가능하며 다양한 승산기 아키텍처와 비트 너비에 적용될 수 있고, 차세대 CPU, GPU 및 AI 가속기에 통합하기에 적합하다고 강조합니다. 이 연구는 단순하고 지능적인 하드웨어 논리가 NBTI 및 공정 편차와 같은 복잡한 노화 메커니즘을 효과적으로 상쇄하여 중요한 컴퓨팅 하드웨어의 운영 수명을 연장할 수 있음을 시사합니다.