DG-RePlAce: Uma Estrutura de Colocação Global Acelerada por GPU Orientada a Fluxo de Dados para Aceleradores de Aprendizado de Máquina

A colocação global é um passo fundamental no design físico de VLSI. O amplo uso de matrizes de elementos de processamento (PE) 2D em aceleradores de aprendizado de máquina apresenta novos desafios de escalabilidade e Qualidade dos Resultados (QoR) para colocadores globais acadêmicos de última geração. Neste trabalho, desenvolvemos o DG-RePlAce, uma nova e rápida estrutura de colocação global acelerada por GPU construída sobre a infraestrutura OpenROAD, que explora as estruturas de fluxo de dados e caminho de dados inerentes aos aceleradores de aprendizado de máquina. Resultados experimentais com uma variedade de aceleradores de aprendizado de máquina utilizando uma habilitação comercial de 12nm mostram que, em comparação com o RePlAce (DREAMPlace), nossa abordagem alcança uma redução média no comprimento de fiação roteada de 10% (7%) e no slack negativo total (TNS) de 31% (34%), com colocação global mais rápida e tempos de execução totais comparáveis em relação ao DREAMPlace. Estudos empíricos nos Benchmarks de MacroPlacement TILOS demonstram ainda que as melhorias pós-roteamento em relação ao RePlAce e DREAMPlace podem ultrapassar a aplicação motivadora para aceleradores de aprendizado de máquina.