論文の概要: QiMeng: Fully Automated Hardware and Software Design for Processor Chip
- arxiv url: http://arxiv.org/abs/2506.05007v1
- Date: Thu, 05 Jun 2025 13:17:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-06 21:53:49.720855
- Title: QiMeng: Fully Automated Hardware and Software Design for Processor Chip
- Title（参考訳）: QiMeng: プロセッサチップのためのハードウェアとソフトウェア設計の完全自動化
- Authors: Rui Zhang, Yuanbo Wen, Shuyao Cheng, Di Huang, Shaohui Peng, Jiaming Guo, Pengwei Jin, Jiacheng Zhao, Tianrui Ma, Yaoyu Zhu, Yifan Hao, Yongwei Zhao, Shengwen Liang, Ying Wang, Xing Hu, Zidong Du, Huimin Cui, Ling Li, Qi Guo, Yunji Chen,
- Abstract要約: プロセッサチップの完全自動ハードウェアおよびソフトウェア設計のための新しいシステムであるQiMengを提案する。
下位層では,アーキテクチャ,トレーニング,推論において新しい設計を取り入れた,ドメイン固有の大規模プロセッサチップモデル(LPCM)を構築している。
中間層では,LPCMの知識表現と推論機能を活用し,ハードウェア設計エージェントとソフトウェア設計エージェントを開発した。
- 参考スコア（独自算出の注目度）: 34.753440793174626
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Processor chip design technology serves as a key frontier driving breakthroughs in computer science and related fields. With the rapid advancement of information technology, conventional design paradigms face three major challenges: the physical constraints of fabrication technologies, the escalating demands for design resources, and the increasing diversity of ecosystems. Automated processor chip design has emerged as a transformative solution to address these challenges. While recent breakthroughs in Artificial Intelligence (AI), particularly Large Language Models (LLMs) techniques, have opened new possibilities for fully automated processor chip design, substantial challenges remain in establishing domain-specific LLMs for processor chip design. In this paper, we propose QiMeng, a novel system for fully automated hardware and software design of processor chips. QiMeng comprises three hierarchical layers. In the bottom-layer, we construct a domain-specific Large Processor Chip Model (LPCM) that introduces novel designs in architecture, training, and inference, to address key challenges such as knowledge representation gap, data scarcity, correctness assurance, and enormous solution space. In the middle-layer, leveraging the LPCM's knowledge representation and inference capabilities, we develop the Hardware Design Agent and the Software Design Agent to automate the design of hardware and software for processor chips. Currently, several components of QiMeng have been completed and successfully applied in various top-layer applications, demonstrating significant advantages and providing a feasible solution for efficient, fully automated hardware/software design of processor chips. Future research will focus on integrating all components and performing iterative top-down and bottom-up design processes to establish a comprehensive QiMeng system.
- Abstract（参考訳）: プロセッサチップ設計技術は、コンピュータ科学や関連分野において重要なフロンティアとなる。
情報技術の急速な進歩により、従来の設計パラダイムは、3つの大きな課題に直面している。
プロセッサチップの自動設計は、これらの課題に対処するためのトランスフォーメーションソリューションとして登場した。
近年の人工知能(AI)、特にLarge Language Models(LLM)技術は、完全に自動化されたプロセッサチップ設計に新たな可能性をもたらしたが、プロセッサチップ設計のためのドメイン固有のLLMを確立する上で大きな課題が残っている。
本稿では,プロセッサチップの完全自動ハードウェアおよびソフトウェア設計のための新しいシステムであるQiMengを提案する。
QiMengは3つの階層層から構成される。
下位層では,知識表現ギャップ,データ不足,正確性保証,および膨大な解空間といった重要な課題に対処するために,アーキテクチャ,トレーニング,推論における新しい設計を導入する,ドメイン固有の大規模プロセッサチップモデル(LPCM)を構築している。
中間層では,LPCMの知識表現と推論機能を活用し,ハードウェア設計エージェントとソフトウェア設計エージェントを開発し,プロセッサチップ用ハードウェアおよびソフトウェアの設計を自動化する。
現在、QiMengのいくつかのコンポーネントが完成し、様々なトップ層アプリケーションに適用され、大きな利点を示し、プロセッサチップの効率的で完全に自動化されたハードウェア/ソフトウェア設計のための実現可能なソリューションを提供している。
今後の研究は、すべてのコンポーネントの統合と、QiMengシステムを構築するための反復的なトップダウンおよびボトムアップ設計プロセスの実行に焦点を当てる。
関連論文リスト
- Hardware Design and Security Needs Attention: From Survey to Path Forward [8.165279651848923]
注目に基づく人工知能(AI)モデルの最近の進歩は、デジタルハードウェア設計を自動化する大きな可能性を解き放っている。
本研究では,ハードウェア設計とセキュリティの自動化に向けた技術的ハードルと今後の展望を明らかにする。
論文 参考訳（メタデータ） (2025-04-11T03:48:57Z) - Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳（メタデータ） (2025-03-28T17:17:57Z) - A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。
コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
論文 参考訳（メタデータ） (2025-01-20T15:30:09Z) - Artificial Intelligence for Quantum Computing [30.639337493477242]
量子コンピューティングは、AIのデータ駆動学習機能の主要な候補である。
AIからQCにリードする技術を導入するには、おそらくコンピュータ科学の最も先進的で難解な領域の2つから専門知識を引き出す必要がある。
本稿では、最先端のAI技術が、有用なQCを開発するために必要なハードウェアとソフトウェアスタック間の課題をすでに進めている方法についてレビューする。
論文 参考訳（メタデータ） (2024-11-14T02:11:16Z) - Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。
結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文 参考訳（メタデータ） (2024-10-28T13:03:09Z) - The Basis of Design Tools for Quantum Computing: Arrays, Decision
Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。
完全に自動化された量子ソフトウェアスタックを開発する必要がある。
この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
論文 参考訳（メタデータ） (2023-01-10T19:00:00Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Enabling Cross-Domain Communication: How to Bridge the Gap between AI
and HW Engineers [0.17205106391379021]
システム設計における重要な問題は、ハードウェア、ソフトウェア、ドメインエキスパート間のコミュニケーションの欠如である。
最近の研究は、ニューラルアクセラレータの自動HW/SW共同設計フローの進歩を示しています。
本稿では、(構成可能な)専用加速器を含むシステムの方法論の確立の可能性について論じる。
論文 参考訳（メタデータ） (2021-04-08T14:05:15Z) - Enabling Design Methodologies and Future Trends forEdge AI:
Specialization and Co-design [37.54971466190214]
エッジAI開発スタック全体にまたがる、最新の可能な設計方法論に関する包括的な調査を提供する。
効率的なエッジAI開発のための重要な手法は、単層特殊化とクロス層共同設計である。
論文 参考訳（メタデータ） (2021-03-25T16:29:55Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。