Xel-FPGAs: An End-to-End Automated Exploration Framework for Approximate Accelerators in FPGA-Based Systems

Approximate Computing, Accelerator, FPGA, ASIC, Arithmetic Units, Regression, Models, Synthesis

Generování a zkoumání aproximativních obvodů a akcelerátorů je významnou oblastí výzkumu s cílem dosáhnout energetické účinnosti a/nebo zlepšení výkonu. Tento výzkum se většinou zaměřoval na obvody ASIC, zatímco při nasazení akcelerátorů na bázi FPGA se nedosahuje podobných úspěchů, a to kvůli neodmyslitelným rozdílům v architektuře těchto dvou systémů. V této práci navrhujeme nový framework Xel-FPGA, který využívá statistické modely nebo modely strojového učení k efektivnímu prozkoumání prostoru architektur nejmodernějších aproximativních obvodů na bázi ASIC, aby je mohl přizpůsobit pro systémy na bázi FPGA, a to za předpokladu jednoduchého popisu RTL cílové aplikace. Vyhodnotili jsme také škálovatelnost našeho frameworku na vícestupňové aplikaci pomocí hierarchické vyhledávací strategie. Framework Xel-FPGAs je schopen zkrátit dobu průzkumu až o 95 % ve srovnání s výchozími přístupy syntézy, rozmístění a routování a zároveň identifikovat lepší sadu Pareto-optimálních návrhů pro danou aplikaci ve srovnání s nejnovějším vývojem. Kompletní framework je open-source a je k dispozici online na adrese https://github.com/ehw-fit/xel-fpgas.