硬件-软件协同设计相关 AI 资讯 · AI 热点

7月29日

11:57

11:57

官方账号arXiv cs.AI@Solomon Micheal Serunjogi, Rachmad Vidya Wicaksana Putra, Ayat Taha, Muhammad Shafique, Mahmoud Rasras

MDTransformer是一种基于模式分割光学数据流的硬件-软件协同设计光子Transformer加速器。它利用逆设计的多模耦合器、交叉器和MZ IQ调制器构建紧凑的MPTC，实现每波导四倍并行度，无需光谱滤波。其模拟乘法有效精度低于4比特，模态间串扰低于-30 dB。在DeiT-Tiny/Small/Base和BERT-Base/Large工作负载上，相比最先进PTA，面积减少40.4%，功耗节省63.6%，能耗节省40.6%，延迟相当。

论文 MDTransformer 光子加速器逆设计

推荐理由：这篇论文用光学模式分割做Transformer加速，面积功耗比之前方案强很多，值得搞硬件的看看。

6月10日

11:34

11:34

官方账号arXiv cs.AI@Vinamra Sharma, Xingjian Fu, Jude Haris, José Cano

精选

SECDA-DSE是一个将大语言模型（LLM）集成到SECDA生态中的框架，用于自动探索FPGA加速器的设计空间。它结合了结构化探索器（生成候选架构）和LLM堆栈（通过检索增强生成和思维链提示进行推理引导），并通过反馈循环实现迭代优化。论文在FPGA硬件上生成了三种加速器设计（逐元素向量乘法、2D卷积和矩阵转置），并成功执行。结果表明，SECDA-DSE能生成符合SECDA标准的加速器设计，并捕捉不同内核在计算并行性和数据移动之间的权衡。该框架显著减少了探索时间和人工专业知识需求，展示了LLM引导设计空间探索的潜力。

论文 FPGA加速器 LLM引导设计设计空间探索

推荐理由：做FPGA加速器设计的团队终于有了自动化工具——SECDA-DSE用LLM替代人工试错，直接生成可执行的加速器配置。搞硬件-软件协同设计的人可以试试，能省下大量调参时间。