ChatArch: A Knowledge-driven Graph-of-thought LLM Framework for Processor Architecture Optimization

Wu, Zheng

doi:10.1145/3774888

ChatArch: A Knowledge-driven Graph-of-thought LLM Framework for Processor Architecture Optimization

2026-03-01

0

PRE

AI

DOI：10.1145/3774888

原文求助

摘要

En 中文

处理器是现代计算系统的基石。尽管处理器设计涵盖多个VLSI层级，但架构设计在决定性能、功耗和面积效率方面发挥着关键作用。为应对缩短芯片上市时间的压力，处理器架构开发中对快速迭代方法的需求日益增长。为实現高效且便捷的架构设计优化，我们开发了ChatArch，一个基于知识的图式思维多LLM智能体框架，用于处理器架构优化。基于处理器架构专业知识，我们分解处理器架构设计空间，并构建LLM智能体图式思维框架来表征和迭代优化这些子空间。此外，通过系统性地整合领域特定知识和经专家验证的经验设计原则，我们建立了一个全面的RISC-V处理器设计知识库。同时，开发了一个知识驱动的多智能体框架，以实现高效的微架构优化。最终，优化的微架构模块聚合形成系统级设计。该方法实现了针对PPA目标的自動迭代微架构优化，同时生成相应的行为模型。实验表明，我们的方法有效设计了处理器行为模型，LLM生成的架构验证成功率超过97.39%，优于其他LLM（包括GPT-4o）。ChatArch持续满足需求，与传统黑箱优化方法相比，实现最高9.97%的PPA改进和32-68倍的效率提升。

Keyword:

Architecture design

multi-agent

optimization

large language model

ChatArch: A Knowledge-driven Graph-of-thought LLM Framework for Processor Architecture Optimization

摘要

期刊

机构

引用论文