💻 computer science

Building Reliable Arithmetic Multipliers Under NBTI Aging and Process Variations

Dit artikel stelt een nieuwe verouderingsmitigatie-techniek voor voor rekenkundige multipliatoren die gebruikmaakt van de tekenonafhankelijkheidseigenschap van vermenigvuldiging om NBTI-stress over transistors te herverdelen, waardoor de levensduur van de hardware wordt verlengd met verwaarloosbare oppervlakte- en vertragingsoverhead, zelfs onder AI-workloads en procesvariaties.

Oorspronkelijke auteurs: Masoud Heidary, Biresh Kumar Joardar

Gepubliceerd 2026-05-19

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Masoud Heidary, Biresh Kumar Joardar

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Probleem: De "Slijtage" van Computerhersenen

Stel je de processor van je computer (de CPU) of zijn AI-brein (zoals in een GPU of een Systolische Array) voor als een gigantische fabriek. Binnenin deze fabriek werken miljoenen kleine werknemers, genaamd transistors. Deze werknemers schakelen schakelaars om wiskunde te doen, specifiek vermenigvuldiging, wat de ruggengraat vormt van alles, van videospellen tot AI.

Na verloop van tijd raken deze werknemers moe. Dit noemen we veroudering. Specifiek zorgt een fenomeen genaamd NBTI (Negative Bias Temperature Instability) ervoor dat de "PMOS"-werknemers (een specifiek type transistor) trager worden als ze gedwongen worden om te lang een "nul"-signaal vast te houden.

Denk hierbij aan een hardloper die gedwongen wordt stil te staan in een zware regenbui. Als ze te lang in de regen (logische '0') staan, worden ze doorweekt en raken ze vertraagd. Als ze in de zon staan (logische '1'), blijven ze droog en snel.

De Vangst: In een standaardcomputer zijn de wiskundige problemen niet willekeurig. Vaak worden dezelfde werknemers keer op keer gedwongen in de regen te staan. Sommige werknemers raken snel doorweekt en versleten, terwijl anderen droog blijven. Wanneer de doorweekte werknemers uiteindelijk opgeven (falen), vertraagt de hele fabriek of maakt deze fouten. Dit is vooral slecht voor AI, die miljarden vermenigvuldigingen uitvoert.

De Oplossing: De "Magische Truc" van Wiskunde

De onderzoekers vonden een slimme manier om dit op te lossen zonder een grotere fabriek te bouwen of meer werknemers in te huren. Ze gebruikten een eenvoudige regel uit de wiskunde die je misschien nog uit school kent:

Een negatief getal vermenigvuldigd met een negatief getal is een positief getal.
Voorbeeld: (-5) × (-3) = 15.
Dit is hetzelfde als: 5 × 3 = 15.

Het resultaat is identiek, maar het proces is anders.

Stel je voor dat je een estafettewedstrijd runt.

Scenario A: Je geeft de stok door aan Hardloper X, die al moe is en in de regen loopt.
Scenario B: Je besluit het script om te draaien. Je vertelt Hardloper X om pauze te nemen, en in plaats daarvan geef je de stok door aan Hardloper Y (die in de zon rustte). Je draait ook de looprichting voor iedereen anders om.

Hoewel de wedstrijd er anders uitziet, komt het team toch met dezelfde tijd en hetzelfde resultaat binnen. Maar nu krijgt de moeie hardloper rust, en doet de frisse hardloper het werk.

Hoe de Methode uit het Artikel Werkt

De auteurs bouwden een kleine, slimme "verkeersregelaar" (genaamd een Selector Module) die direct naast de wiskundewerknemers zit.

De Verkeersregelaar Kijkt: Hij kijkt naar het binnenkomende wiskundeprobleem.
De Beslissing: Hij vraagt zich af: "Wordt de werknemer die dit werk normaal doet te moe (te veel 'regen')?"
De Omkering: Als de werknemer moe is, voert de Verkeersregelaar een "2's complement"-truc uit. Hij draait de getallen om (maakt positieven negatief en andersom) voordat ze de wiskundeenheid binnenkomen.
Het Resultaat: Omdat de getallen omgedraaid zijn, moeten de andere werknemers in de fabriek het zware werk doen in plaats daarvan. De moeie werknemer krijgt rust.

Door voortdurend het script om te draaien op basis van wie moe is, wordt de slijtage gelijkmatig verdeeld over de hele fabriek. Geen enkele werknemer raakt doorweekt tot het punt van falen.

De Resultaten: Een Langere Levensduur voor Minder Kosten

De onderzoekers testten dit idee met high-tech simulaties (zoals een digitale windtunnel) op een 22-nanometer chip. Hier is wat ze vonden:

Enorme Levensduurverlenging: Ze ontdekten dat deze methode de levensduur van de hardware met wel 75% kan verlengen. In de echte wereld betekent dit dat je AI-versneller of CPU veel langer meegaat voordat deze fouten begint te maken of vertraagt.
Verwaarloosbare Kosten: De "Verkeersregelaar" is zo klein en simpel dat hij nauwelijks ruimte inneemt (minder dan 5% extra oppervlak) en bijna geen extra elektriciteit verbruikt (minder dan 0,4% extra vermogen). Het vertraagt de computer ook niet.
Omgaan met Variaties: Geen enkele fabriek is exact hetzelfde gebouwd; sommige werknemers zijn van nature zwakker dan anderen door productiefouten (zogenaamde "procesvariatie"). De onderzoekers creëerden een systeem met een paar verschillende "Verkeersregelaar"-strategieën. Als één strategie niet werkt voor een specifieke fabriek, schakelen ze over naar een andere. Dit zorgt ervoor dat de methode zelfs werkt op imperfecte chips.

Vergelijking met Andere Methoden

Het artikel vergeleek hun "Verkeersregelaar" met andere manieren waarop mensen proberen veroudering op te lossen:

Willekeurig Gissen: Sommige methoden draaien de getallen gewoon willekeurig om. De "Verkeersregelaar" is veel beter omdat hij exact weet wanneer hij moet omdraaien op basis van wie moe is.
Vertragen (DVFS): Een andere methode is om de spanning te verlagen (de lichten dimmen) om de werknemers te sparen. Dit werkt, maar maakt de computer trager. De "Verkeersregelaar" houdt de computer snel terwijl hij de werknemers toch beschermt.

Samenvatting

Kortom, dit artikel stelt een slimme, hardware-gebaseerde truc voor die de regels van de wiskunde gebruikt om de werklast te roteren tussen computerchips. In plaats van toe te staan dat dezelfde transistors verslijten, draait het de tekens van de getallen om om ze rust te gunnen. Dit houdt de computer veel langer betrouwbaar draaiende, met bijna geen kosten in snelheid, grootte of vermogen. Het is alsof je computer een ingebouwd "rooster" krijgt om uitbranding te voorkomen.

Technische Samenvatting: Het Bouwen van Betrouwbare Rekenkundige Vermenigvuldigers onder NBTI-veroudering en Procesvariaties

Probleemstelling
Hardware-veroudering, met name Negatieve Bias Temperatuur Instabiliteit (NBTI), vormt een kritieke bedreiging voor de betrouwbaarheid van geïntegreerde schakelingen (IC's) in moderne computersystemen, waaronder CPU's, GPU's en AI-versnellers zoals systolische arrays. NBTI heeft voornamelijk invloed op PMOS-transistors, wat leidt tot een geleidelijke toename van de drempelspanning ( $V_{th}$ ) wanneer deze onder negatieve gate-bias (logische '0') staan. Deze degradatie resulteert in verhoogde schakelvertragingen, timing-schendingen en uiteindelijk rekenkundig falen.

Het probleem wordt verergerd in rekenkundige vermenigvuldigers, die overal voorkomen in AI-werklasten die afhankelijk zijn van matrixvermenigvuldiging. In tegenstelling tot ripple-carry adders, die een uniforme stressverdeling vertonen, lijden array-vermenigvuldigers aan sterk niet-uniforme stresspatronen. Bovendien veroorzaken procesvariaties tijdens de fabricage initiële afwijkingen in de drempelspanning, wat leidt tot "First-to-Fail" (F2F)-transistors die aanzienlijk sneller verouderen dan andere. Bestaande mitigeringsstrategieën, zoals Dynamic Voltage and Frequency Scaling (DVFS), workload-balancing of software-niveau planning, introduceren vaak prestatie-overschotten, vereisen complexe runtime-beheer of slagen er niet in om de specifieke stress-onevenwichtigheden die inherent zijn aan vermenigvuldigingsarchitecturen aan te pakken.

Methodologie
De auteurs stellen een hardware-niveau verouderingsmitigerende techniek voor die gebruikmaakt van de wiskundige tekeninvariantie-eigenschap van vermenigvuldiging: $A \times B = (-A) \times (-B)$ . Het kerninzicht is dat, hoewel het rekenkundige resultaat identiek blijft, het toepassen van 2's-complementtransformaties op invoeroperanden ( $A \to -A, B \to -B$ ) de interne logische toestanden verandert, waardoor de stress (waarschijnlijkheid van logische '0') over de PMOS-transistors van de vermenigvuldiger wordt herverdeeld.

De methodologie omvat drie kerncomponenten:

Oracle-Generatie (Offline): Een ideale selector (Oracle) wordt offline ontwikkeld met behulp van circuitsimulatie (Cadence) en NBTI-modellen. Dit proces identificeert F2F-transistors op basis van initiële procesvariaties en bepaalt de optimale invoertransformatie (origineel versus 2's-complement) om de stress op deze kwetsbare transistors te minimaliseren zonder nieuwe knelpunten te creëren.
Hardware-vriendelijke Selector Module (SM): Aangezien het implementeren van een volledige Oracle-naslagtabel onpraktisch is vanwege de area-overschotten, benaderen de auteurs het gedrag van de Oracle met een vereenvoudigde Booleaanse functie ( $f$ ) die een kleine subset van invoerbitten (4–6 bits) neemt om te beslissen of de 2's-complementtransformatie moet worden toegepast. Deze module is lichtgewicht en wordt geïmplementeerd met basislogische poorten.
Ensemble-aanpak voor Procesvariatie: Om diverse procesvariatiescenario's aan te pakken waarbij een enkele selector suboptimaal zou kunnen zijn, stellen de auteurs het gebruik van een ensemble van meerdere Selector Modules (2–4 verschillende SM's) voor. Elke SM is afgestemd op verschillende sets F2F-transistors, waardoor het systeem de meest geschikte transformatiestrategie kan selecteren voor het specifieke verouderingsprofiel van een gegeven vermenigvuldiger.

De techniek is geïntegreerd in Systolische Arrays (SA) door het inbedden van een SM binnen elk Processing Element (PE). De SM werkt parallel met de vermenigvuldigings- en accumulatiebewerkingen, waardoor een verwaarloosbare impact op de doorvoer wordt gegarandeerd.

Belangrijkste Bijdragen

Nieuwe Mitigerende Mechanisme: Introductie van een op tekeninvariantie gebaseerde aanpak die NBTI-stress in vermenigvuldigers herverdeelt zonder de rekenkundige correctheid te wijzigen.
Hardware-efficiëntie: Ontwikkeling van een Selector Module die een ideale Oracle benadert met minimale area- en vermogensoverschotten, waardoor complexe software-planning of externe spanningsregeling overbodig wordt.
Robuustheid tegen Variatie: Een ensemble-strategie die effectiviteit behoudt over diverse procesvariatiescenario's, waarmee de uitdaging van niet-uniforme veroudering in gefabriceerde chips wordt aangepakt.
Integratie: Demonstratie van de haalbaarheid van de methode binnen high-throughput AI-versnellers (Systolische Arrays) en de potentiële uitbreiding naar floating-point vermenigvuldigers en andere rekenkundige eenheden.

Experimentele Resultaten
De voorgestelde methode werd geëvalueerd met Cadence-tools op GlobalFoundries' 22nm-technologie, waarbij 128×128 Systolische Arrays werden gesimuleerd met verschillende vermenigvuldigingsarchitecturen (Array en Wallace Tree) en bitbreedtes (4 tot 32 bits).

Levensduurverbetering:
- In vergelijking met een baseline zonder mitigatie, bereikte de methode tot 75% levensduurverbetering in 12-bit Array-vermenigvuldigers.
- Over verschillende bitbreedtes en architecturen werd een gemiddelde levensduurverbetering van 64% waargenomen.
- Onder gezamenlijke NBTI-veroudering en procesvariatie (Monte Carlo-simulaties) leverde het gebruik van een enkele SM een verbetering van 44% op, terwijl het gebruik van een ensemble van drie SM's dit verhoogde tot **57%**.
Overschotten:
- Area: De methode introduceert een minimaal area-overschot van ongeveer 3–4% (afhankelijk van het aantal gebruikte SM's).
- Vermogen: Het vermogensoverschot is verwaarloosbaar, met een gemiddelde van ~0,38%.
- Vertraging: De Selector Module voegt een vertraging toe van ongeveer 2,5–2,9% van de PE-berekeningstijd, wat volledig kan worden gemaskeerd in gepipelined architecturen.
Vergelijking: De voorgestelde SM-gestuurde methode presteerde 6–21% beter dan willekeurige 1's-complementstrategieën (TRNG en Zero-Bias Probability) en overtrof DVFS-gebaseerde benaderingen met 4,5% bij gebruik van een ensemble van SM's.

Betekenis en Claims
Het artikel beweert dat deze techniek een praktische, hardware-gerichte oplossing biedt voor het verouderingsprobleem in rekenkundige eenheden, die kritieke knelpunten vormen in AI en algemeen rekenen. Door gebruik te maken van de inherente wiskundige eigenschappen van vermenigvuldiging, bereikt de methode aanzienlijke betrouwbaarheidswinst zonder de prestatiestraf of software-complexiteit die geassocieerd wordt met bestaande oplossingen. De auteurs benadrukken dat de aanpak schaalbaar is, toepasbaar op verschillende vermenigvuldigingsarchitecturen en bitbreedtes, en geschikt voor integratie in volgende generatie CPU's, GPU's en AI-versnellers. Het werk suggereert dat eenvoudige, intelligente hardware-logica complexe verouderingsmechanismen zoals NBTI en procesvariatie effectief kan tegenwerken, waardoor de operationele levensduur van kritieke computerhardware wordt verlengd.