Многоцелевой поиск в пространстве проектирования для высокоуровневого синтеза с помощью байесовской оптимизации

Высокоуровневый синтез (HLS) становится популярным, поскольку он может повысить производительность проектирования схем. Оптимизация HLS необходима, поскольку пространство проектирования велико и различные конфигурации могут приводить к различным компромиссам по мощности, быстродействию и площади (PPA). В этой работе мы моделируем исследование пространства проектирования (DSE) как многоцелевую задачу оптимизации "черного ящика" с помощью байесовской оптимизации и метода вещественного кодирования (float encoding) для изучения фронта Парето HLS-проектов по целям PPA. В качестве суррогатной модели применяется Multi-objective Tree-structured Parzen Estimator (MOTPE), который способен эффективно искать деревообразное пространство проектирования, а в качестве функции получения используется Expected Hypervolume Improvement (EHVI) для направления оптимизации. Экспериментальные результаты показывают, что наш метод достигает прироста LPDA на 66,30% и 41,25% по сравнению с двумя метаэвристическими алгоритмами — имитацией отжига (SA) и NSGA-II. Полученный нами фронт Парето ближе к эталонному фронту, чем у SA и NSGA-II, с усреднённым улучшением по ADRS на 94,72% и 69,58% соответственно.