OpenAI

ನವೆಂಬರ್ 18, 2026

ಸಂಶೋಧನೆಪ್ರಕಟಣೆ

OpenAI ಮಾಡೆಲ್‌ಗಳೊಂದಿಗೆ ಚಿಪ್ ವಿನ್ಯಾಸದಲ್ಲಿ ಪ್ರಗತಿ

OpenAI ಮಾಡೆಲ್‌ಗಳು AI ಅನ್ನು ನಡೆಸುವ ಚಿಪ್‌ಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಸುಧಾರಿಸುತ್ತಿವೆ. OpenAI ಎಂಜಿನಿಯರ್‌ಗಳು ನಮ್ಮ ಮೊದಲ ವಿಶೇಷ ಅನುಮಾನನ ಚಿಪ್ Jalapeño ಅಭಿವೃದ್ಧಿಯನ್ನು ವೇಗಗೊಳಿಸಲು ನಮ್ಮ ಅತ್ಯಾಧುನಿಕ ಮಾಡೆಲ್‌ಗಳನ್ನು ಹೇಗೆ ಬಳಸಿದರು ಎಂಬುದನ್ನು ಆಗಸ್ಟ್‌ನಲ್ಲಿ⁠ ಹಂಚಿಕೊಂಡಿದ್ದೆವು. Jalapeño ಸಾಧಿಸಿದ ಪ್ರಗತಿಗೆ ಕಾರಣವಾದ ತಜ್ಞಮಟ್ಟದ ವಿನ್ಯಾಸ ಸುಧಾರಣೆಗಳನ್ನು ಮತ್ತು AMD ಜೊತೆಗೆ ಇದೇ ವಿಧಾನವನ್ನು ಅನ್ವಯಿಸಿ ಮೂರನೇ ಪಕ್ಷದ ಯಂತ್ರಾಂಶದಲ್ಲೂ ಗಮನಾರ್ಹ ಸುಧಾರಣೆಗಳನ್ನು ಹೇಗೆ ಸಾಧಿಸುತ್ತಿದ್ದೇವೆ ಎಂಬುದನ್ನು ಇಲ್ಲಿ ವಿವರವಾಗಿ ನೋಡೋಣ.

ಸಂಪೂರ್ಣ ಚಿಪ್ ವಿನ್ಯಾಸ ಕಾರ್ಯಗಳಲ್ಲಿ ನಮ್ಮ ಮಾಡೆಲ್‌ನ ಸಾಮರ್ಥ್ಯವನ್ನು ಅಳೆಯಲು, ಅದರ ಸತತ ಪೀಳಿಗೆಗಳನ್ನು ಎರಡು ಮುಕ್ತ ಮೂಲದ ಸಂಸ್ಕಾರಕ ವಿನ್ಯಾಸಗಳಲ್ಲಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದೆವು. ಇದರಿಂದ ಆಸಕ್ತಿದಾಯಕ ಅಂಶಗಳು ಬೆಳಕಿಗೆ ಬಂದವು. ಸಾಮರ್ಥ್ಯ ಅಭಿವೃದ್ಧಿಗೆ ವಿಶ್ವಾಸಾರ್ಹ ಮೌಲ್ಯಮಾಪಕಗಳ ಆಧಾರ ಒದಗಿಸಲು, ಎಂಜಿನಿಯರ್‌ಗಳು ಚಿಪ್ ವಿನ್ಯಾಸ ಮತ್ತು ಪರಿಶೀಲನೆಗೆ ಈಗಾಗಲೇ ಬಳಸುತ್ತಿರುವ ವಿದ್ಯುನ್ಮಾನ ವಿನ್ಯಾಸ ಸ್ವಯಂಚಾಲನ (EDA) ಸಾಧನಗಳಲ್ಲಿ ಅತ್ಯಾಧುನಿಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಸಂಯೋಜಿಸಲು Synopsys ಜೊತೆ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದೇವೆ.

Jalapeño ಗಣನಾ ಘಟಕಗಳ ಸುಧಾರಣೆ

2025ರ ಆರಂಭದಲ್ಲಿ Jalapeño ವಿನ್ಯಾಸಕ್ಕೆ ನೆರವಾಗಲು GPT‑4o ಬಳಸಲು ಪ್ರಾರಂಭಿಸಿದೆವು. ಆ ಆರಂಭಿಕ ಮಾಡೆಲ್ ಕೂಡ PPA ಯಲ್ಲಿ ಗಮನಾರ್ಹ ಸುಧಾರಣೆಗಳನ್ನು ಸಾಧಿಸುವ ಮಾರ್ಗಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿತು. ಉದಾಹರಣೆಗೆ:

ಸಮಾನಾಂತರ ಗಣನಾ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಿ ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸದಿಶ ಘಟಕದಲ್ಲಿ, ಚರಬಿಂದು ಸಂಕಲನ ಮತ್ತು ಗುಣಕ ವಲಯಗಳು, ಪರಿವರ್ತನಾ ಕಾರ್ಯಗಳು, ಸಂಕ್ಷೇಪಣಾ ತರ್ಕ ಮತ್ತು ವಿಶೇಷ ಕಾರ್ಯ ಘಟಕದಿಂದ ಉಳಿತಾಯ ಸಾಧಿಸಲಾಯಿತು. ಮಾಡೆಲ್‌ಗಳು ಪರ್ಯಾಯ ತರ್ಕ ಅನುಷ್ಠಾನಗಳನ್ನು ಹಾಗೂ ಗಣನೆಗಳನ್ನು ಸಂಸ್ಕರಣಾ ಸರಣಿಯ ಹಂತಗಳ ನಡುವೆ ಹಂಚುವ ವಿಧಾನಗಳನ್ನು ಅನ್ವೇಷಿಸಿದವು. ಇದರಿಂದ ಯಂತ್ರಾಂಶವನ್ನು ಹಂಚಿಕೊಳ್ಳುವ ಮತ್ತು ಮಧ್ಯಂತರ ಸಂಗ್ರಹಣೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಅವಕಾಶಗಳು ದೊರೆತವು.

ಅಂಕಗಣಿತದ ಭಾಗವಾದ ಮಾತೃಕೆ ಘಟಕದಲ್ಲಿ, ಚರಬಿಂದು ಸಂಕಲನ ವಲಯಗಳು, ಗುಣಕಗಳು ಮತ್ತು ಕಡಿಮೆ ನಿಖರತೆಯ ಅದಿಶ ಗುಣಲಬ್ಧ ವಲಯಗಳಲ್ಲಿ ಒಟ್ಟಾಗಿ ಸುಧಾರಣೆಗಳನ್ನು ಸಾಧಿಸಲಾಯಿತು. ಒಂದು ಗುಣಕದ ಮರುವಿನ್ಯಾಸವು ಸಂಶ್ಲೇಷಣೆಯಲ್ಲಿ ಸುಮಾರು 15% ಕಡಿಮೆ ಕೋಶ ವಿಸ್ತೀರ್ಣ ಬಳಸಿತು. ಜೊತೆಗೆ ವಿಳಂಬವನ್ನು ಎರಡು ಗಡಿಯಾರ ಚಕ್ರಗಳಿಂದ ಒಂದಕ್ಕೆ ಇಳಿಸಿತು. ಮತ್ತೊಂದು ಸಂಕಲನ ವಲಯದ ಮರುವಿನ್ಯಾಸವು ಎರಡು ಚಕ್ರಗಳ ವಿಳಂಬವನ್ನು ಉಳಿಸಿಕೊಂಡೇ ಕೋಶ ವಿಸ್ತೀರ್ಣವನ್ನು ಸುಮಾರು 15% ಕಡಿಮೆ ಮಾಡಿತು. ಅದಿಶ ಗುಣಲಬ್ಧ ತರ್ಕ ಮತ್ತು ಸಂಸ್ಕರಣಾ ಸರಣಿಯ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ಮತ್ತಷ್ಟು ಸುಧಾರಣೆಗಳು ಘಟಕದಾದ್ಯಂತ ಹೆಚ್ಚುವರಿ ಉಳಿತಾಯಕ್ಕೆ ಕಾರಣವಾದವು.

ಒಟ್ಟಾರೆ Jalapeño ವಿನ್ಯಾಸ ಪ್ರಯತ್ನದಲ್ಲಿ, ಮಾಡೆಲ್ ಸೂಚಿಸಿದ ಬದಲಾವಣೆಗಳು ಪ್ರಮಾಣಿತ ಕೋಶ ವಿಸ್ತೀರ್ಣವನ್ನು ಸದಿಶ ಘಟಕದಲ್ಲಿ ಸುಮಾರು 13% ಮತ್ತು ಮಾತೃಕೆ ಘಟಕದಲ್ಲಿ 10% ಕಡಿಮೆ ಮಾಡಿವೆ ಎಂದು ತಂಡ ಅಂದಾಜಿಸಿದೆ. Jalapeño ಸಿಲಿಕಾನ್‌ನ ಆರಂಭಿಕ ಕಾರ್ಯಾಚರಣೆ ಪರೀಕ್ಷೆಯ⁠ ವೇಳೆ ಈ ಸುಧಾರಣೆಗಳು ನೈಜ ಸಿಲಿಕಾನ್‌ನಲ್ಲಿ ದೃಢಪಟ್ಟವು.

AMD ಜೊತೆ ನಮ್ಮ ಸಹಯೋಗ

PPA ಸುಧಾರಣೆಗಳಿಗಾಗಿ AMD ಜೊತೆ ಸಹಭಾಗಿತ್ವ ಮಾಡಿಕೊಂಡಿದ್ದೇವೆ. ಅದರ ಮುಂಚೂಣಿ GPU IP ಯಲ್ಲಿ ಈಗಾಗಲೇ ವ್ಯಾಪಕವಾಗಿ ಸುಧಾರಿಸಲಾಗಿದ್ದ ಮೂಲ ವಿನ್ಯಾಸಗಳಿಗೆ ಹೋಲಿಸಿದರೆ 14% ವರೆಗೆ ಸುಧಾರಣೆ ಕಂಡಿದ್ದೇವೆ. ಚಿಪ್‌ನ ವಲಯಗಳನ್ನು ವಿವರಿಸುವ ಸಂಕೇತವನ್ನು (SystemVerilog RTL) ಮರುಬರೆಯುವ ಮೂಲಕ ನಮ್ಮ ಮಾಡೆಲ್ ಇನ್ನಷ್ಟು ಸುಧಾರಣೆಗಳನ್ನು ಗುರುತಿಸಿತು. ಇದು ಸುಮಾರು ಒಂದು ವರ್ಷದ ಪ್ರಗತಿಯನ್ನು 5 ತಿಂಗಳಿಗಿಂತ ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ ಸಾಧಿಸಿದಂತಾಗಿದೆ. ಚಿಪ್ ವಿನ್ಯಾಸದ ಅತ್ಯುನ್ನತ ಹಂತದಲ್ಲಿ ಇವು ಅಭೂತಪೂರ್ವ ಫಲಿತಾಂಶಗಳು. AMD ಇತ್ತೀಚೆಗೆ ತಯಾರಿಕೆಗೆ ಕಳುಹಿಸಿದ ವಿನ್ಯಾಸದಲ್ಲಿ ಈ ಕೆಲವು ಬದಲಾವಣೆಗಳನ್ನು ಈಗಾಗಲೇ ಸೇರಿಸಿದೆ. ಭವಿಷ್ಯದ ಆವೃತ್ತಿಗಳಲ್ಲಿ ಬಳಸಲು ಇನ್ನಿತರ ಬದಲಾವಣೆಗಳನ್ನು ತನ್ನ ಉತ್ಪಾದನಾ ವಿನ್ಯಾಸ ಕಡತಗಳಿಗೆ ಸೇರಿಸಿದೆ.

ಮಾಡೆಲ್, ತಜ್ಞ ಸೂಕ್ಷ್ಮವಾಸ್ತುಶಿಲ್ಪಿಯ ಮಟ್ಟದಲ್ಲಿ RTL ಕುರಿತು ತಾರ್ಕಿಕವಾಗಿ ಯೋಚಿಸುವುದನ್ನು ನಾವು ಗಮನಿಸಿದ್ದೇವೆ. ಗಣನೆಗಳನ್ನು ಮಾಡುವ, ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಿಯಂತ್ರಿಸುವ ಅಥವಾ ದತ್ತಾಂಶವನ್ನು ವರ್ಗಾಯಿಸುವ ವಲಯಗಳನ್ನು ಮಾಡೆಲ್ ಮರುಬರೆಯಬಲ್ಲದು. ಪ್ರತಿ ಮರುಬರವಣಿಗೆಯೂ ಘಟಕದ ಕಾರ್ಯನಡವಳಿಕೆಯನ್ನು ಉಳಿಸಿಕೊಂಡಿದೆ ಎಂಬುದನ್ನು ಪರಿಶೀಲಿಸಲು ಮತ್ತು ವಿದ್ಯುತ್ ಬಳಕೆ, ಕಾರ್ಯಕ್ಷಮತೆ ಹಾಗೂ ವಿಸ್ತೀರ್ಣಗಳ ನಡುವಿನ ಹೊಂದಾಣಿಕೆಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಅದು Synopsys ಸಾಧನಗಳನ್ನು ಬಳಸಿತು.

ನಮ್ಮ ಮಾಡೆಲ್ ಬರೆದ ವಿನ್ಯಾಸಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಮುಂಬರುವ ಮುಂದಿನ ಪೀಳಿಗೆಯ ಮುಂಚೂಣಿ CPU ನ ಪ್ರಮುಖ ಘಟಕಗಳಲ್ಲಿ PPA ಯಲ್ಲಿ ಒಂದಂಕಿ ಶೇಕಡಾವಾರು ಸುಧಾರಣೆಗಳನ್ನು AMD ಕೂಡ ದೃಢಪಡಿಸಿದೆ. ಮುಂದೆ, ಅತ್ಯಂತ ಸುಧಾರಿತ ಮೂಲ ವಿನ್ಯಾಸಕ್ಕೆ ಹೋಲಿಸಿದಾಗ GPU ಮತ್ತು CPU ಗಳಲ್ಲಿ ಇನ್ನಷ್ಟು PPA ಸುಧಾರಣೆಗಳನ್ನು ನಿರೀಕ್ಷಿಸುತ್ತೇವೆ.

RISC-V ಸಂಸ್ಕಾರಕ ಘಟಕಗಳ ಸುಧಾರಣೆ

Jalapeño ಮತ್ತು AMD ಚಿಪ್‌ಗಳಲ್ಲಿ ನಾವು ಪಡೆದ ಫಲಿತಾಂಶಗಳು, ಮಾಡೆಲ್‌ಗಳು ಉತ್ಪಾದನಾ ವಿನ್ಯಾಸಗಳನ್ನು ಸುಧಾರಿಸಬಲ್ಲವು ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತವೆ. ಒಂದು ಮಾಡೆಲ್ ಪೀಳಿಗೆಯಿಂದ ಮುಂದಿನ ಪೀಳಿಗೆಗೆ ಚಿಪ್ ವಿನ್ಯಾಸ ಸಾಮರ್ಥ್ಯದಲ್ಲಿ ಆಗುವ ಪ್ರಗತಿಯನ್ನು ಅಳೆಯಲು, ಪ್ರತಿ ಮಾಡೆಲ್ ಅನ್ನು ಎರಡು ಮುಕ್ತ ಮೂಲದ 32-ಬಿಟ್ RISC-V ಸಂಸ್ಕಾರಕ ಘಟಕಗಳಲ್ಲಿ ಪರೀಕ್ಷಿಸಿದೆವು. PicoRV32 ಒಂದು ಸಣ್ಣ ಸಂಸ್ಕಾರಕ ಘಟಕವಾಗಿದ್ದು, FPGA ಎಂದು ಕರೆಯಲಾಗುವ ಮರುಪ್ರೋಗ್ರಾಮ್ ಮಾಡಬಹುದಾದ ಚಿಪ್‌ಗಳಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಂಡಿದೆ. OpenTitan ತನ್ನ ಭದ್ರತಾ ಚಿಪ್‌ನಲ್ಲಿ Ibex ಅನ್ನು ಅಂತರ್ಗತ ಸಂಸ್ಕಾರಕವಾಗಿ ಬಳಸುತ್ತದೆ. ಇವೆರಡೂ ಅಂತರ್ಗತ ವ್ಯವಸ್ಥೆಗಳ, ಸೂಕ್ಷ್ಮನಿಯಂತ್ರಕ ವರ್ಗದ ಕಾರ್ಯಭಾರಗಳಿಗಾಗಿ ರೂಪಿಸಲಾದ ಪೂರ್ಣ ಸಂಸ್ಕಾರಕ ಘಟಕಗಳಾಗಿವೆ.

ಪ್ರತಿ ಮಾಡೆಲ್‌ಗೆ ಪ್ರತಿ ಘಟಕದ ಮೂಲ ಯಂತ್ರಾಂಶ ವಿವರಣೆಯನ್ನು ನೀಡಿ, ಥ್ರೂಪುಟ್ (ಘಟಕವು ಪ್ರತಿ ಸೆಕೆಂಡಿಗೆ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಸೂಚನೆಗಳ ಸಂಖ್ಯೆ) ಹೆಚ್ಚಿಸಲು ಹೇಳಿದೆವು. ಉದಾಹರಣೆಗೆ, ಒಂದು ಬದಲಾವಣೆಯಿಂದ ಘಟಕವು ಕಡಿಮೆ ಗಡಿಯಾರ ಚಕ್ರಗಳಲ್ಲಿ ಸೂಚನೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಬಹುದು, ಆದರೆ ಪ್ರತಿ ಚಕ್ರಕ್ಕೆ ಹೆಚ್ಚು ಸಮಯ ಬೇಕಾಗಬಹುದು. ಥ್ರೂಪುಟ್ ಅಳೆಯುವುದರಿಂದ ಈ ಎರಡೂ ಪರಿಣಾಮಗಳು ಲೆಕ್ಕಕ್ಕೆ ಬರುತ್ತವೆ.

ಪ್ರತಿ ವಿನ್ಯಾಸದ ಫಲಿತಾಂಶಗಳನ್ನು ಅನುಕರಣೆಯಲ್ಲಿ ಪರಿಶೀಲಿಸಿದೆವು. ಪರಿಶೀಲನೆಯಲ್ಲಿ ವಿಫಲವಾದ ಅಥವಾ ಮೂಲ ಘಟಕದ ವಿಸ್ತೀರ್ಣದ 16 ಪಟ್ಟಿಗಿಂತ ಹೆಚ್ಚು ಬಳಸಿದ ವಿನ್ಯಾಸಗಳಿಗೆ ಶೂನ್ಯ ಅಂಕ ನೀಡಲಾಯಿತು. ಪರಿಶೀಲನೆಯಲ್ಲಿ ತೇರ್ಗಡೆಯಾದ ವಿನ್ಯಾಸಗಳಿಗೆ, ಮಾಡೆಲ್‌ಗಳಿಗೆ ತಿಳಿಸದ ಕಾರ್ಯಭಾರಗಳನ್ನು ಬಳಸಿ ಪ್ರತಿ ಗಡಿಯಾರ ಚಕ್ರಕ್ಕೆ ಕಾರ್ಯಗತಗೊಳ್ಳುವ ಸೂಚನೆಗಳ ಸಂಖ್ಯೆಯನ್ನು ಅಳೆದೆವು. ಆ ಕಾರ್ಯಭಾರಗಳ ಜ್ಯಾಮಿತೀಯ ಸರಾಸರಿಯನ್ನು ತೆಗೆದುಕೊಂಡು, Yosys ಮೂಲಕ ಅಂದಾಜಿಸಿದ ಗರಿಷ್ಠ ಗಡಿಯಾರ ಆವೃತ್ತಿಯಿಂದ ಗುಣಿಸಿದೆವು. ಇದರಿಂದ ಪ್ರತಿ ಸೆಕೆಂಡಿಗೆ ಕಾರ್ಯಗತಗೊಳ್ಳುವ ಸೂಚನೆಗಳ ಅಂದಾಜು ಸಿಕ್ಕಿತು. ಪ್ರತಿ ಘಟಕಕ್ಕೆ, ಒಂದೇ ನಿರ್ಬಂಧಗಳ ಅಡಿಯಲ್ಲಿ ಕಂಡ ಅತ್ಯುತ್ತಮ ಥ್ರೂಪುಟ್‌ಗೆ 1.0 ಅಂಕ ನೀಡಿದೆವು. ಶೂನ್ಯ ಅಂಕ ಪಡೆದ ಪ್ರಯೋಗಗಳನ್ನೂ ಒಳಗೊಂಡಂತೆ, ಎಲ್ಲ ಪ್ರಯೋಗಗಳ ಸರಾಸರಿ ಅಂಕವನ್ನು ನಕ್ಷೆಗಳು ತೋರಿಸುತ್ತವೆ.

ಪ್ರತಿ ಪ್ರಯೋಗಕ್ಕೆ ಸುಮಾರು 112,000 ಟೋಕನ್‌ಗಳ ಹೋಲಿಸಬಹುದಾದ ಮಿತಿಯಲ್ಲಿ, ಎರಡೂ ಘಟಕಗಳಲ್ಲಿ GPT‑6.2 Astra ಅತ್ಯಧಿಕ ಸರಾಸರಿ ಅಂಕ ಗಳಿಸಿತು. ಎರಡರಲ್ಲೂ GPT‑6.1 Sol ಕೂಡ GPT‑5.6 Sol ಗಿಂತ ಹೆಚ್ಚು ಅಂಕ ಗಳಿಸಿತು.

ಈಗಿರುವ PicoRV32 ಘಟಕದಲ್ಲಿ, ಹೋಲಿಸಬಹುದಾದ ಹೆಚ್ಚಿನ ಟೋಕನ್ ಮಿತಿಗಳಲ್ಲಿ GPT‑6.2 Astra ಅತ್ಯಧಿಕ ಸರಾಸರಿ ಅಂಕ ಗಳಿಸುತ್ತದೆ. ಸುಮಾರು 112,000 ಟೋಕನ್‌ಗಳಲ್ಲಿ ಅದರ ಅಂಕ GPT‑6 Astra ದ ಅಂಕದ ಸುಮಾರು ಎರಡು ಪಟ್ಟು ಇರುತ್ತದೆ.

ಈಗಿರುವ Ibex ಘಟಕದಲ್ಲಿ, GPT‑6.2 Astra ತಲುಪುವ ಹೆಚ್ಚಿನ ಟೋಕನ್ ಮಿತಿಗಳಲ್ಲೂ ಅದರ ಸರಾಸರಿ ಅಂಕ ಏರುತ್ತಲೇ ಇರುತ್ತದೆ. GPT‑6 Astra ಮತ್ತು GPT‑6.1 Sol ಗಳ ಅಂಕಗಳು ಪರಸ್ಪರ ಹೆಚ್ಚು ಹತ್ತಿರದಲ್ಲಿವೆ.

ನಿರ್ದಿಷ್ಟೀಕರಣದಿಂದ RISC-V ಸಂಸ್ಕಾರಕ ಘಟಕದ ವಿನ್ಯಾಸ

ಎರಡನೇ ಕಾರ್ಯಕ್ಕಾಗಿ, ಪ್ರತಿ ಮಾಡೆಲ್‌ಗೆ ಲಿಖಿತ ಅವಶ್ಯಕತೆಗಳನ್ನು ಮತ್ತು ಘಟಕವು ವ್ಯವಸ್ಥೆಯ ಉಳಿದ ಭಾಗಗಳಿಗೆ ಹೇಗೆ ಸಂಪರ್ಕಗೊಳ್ಳುತ್ತದೆ ಎಂಬುದನ್ನು ತೋರಿಸುವ ಮುಕ್ತ ಮೂಲ ಸಂಕೇತದ ಸಿದ್ಧಮಾದರಿಗಳನ್ನು ನೀಡಿದೆವು. ಘಟಕದೊಳಗೆ ದತ್ತಾಂಶ ಹೇಗೆ ಹರಿಯಬೇಕು ಮತ್ತು ಕೆಲಸವನ್ನು ಹಂತಗಳಾಗಿ ಹೇಗೆ ವಿಭಜಿಸಬೇಕು ಎಂಬುದನ್ನು ಮಾಡೆಲ್ ಆಯ್ಕೆ ಮಾಡಿತು. ಪ್ರತಿ ಘಟಕಕ್ಕೂ ಸರಿಯಾದ ಕಾರ್ಯನಿರ್ವಹಣೆಯ ಪರಿಶೀಲನೆಗಳು, ಸ್ಮೃತಿ ಮತ್ತು ತಾತ್ಕಾಲಿಕ ಸಂಗ್ರಹದ ಸಂಯೋಜನೆಗಳು ಹಾಗೂ ಥ್ರೂಪುಟ್ ಗುರಿಗಳನ್ನು RTL ಸುಧಾರಣಾ ಕಾರ್ಯದಲ್ಲಿದ್ದಂತೆಯೇ ಉಳಿಸಿದೆವು.

ಪ್ರತಿ ಪ್ರಯೋಗಕ್ಕೆ ಸುಮಾರು 112,000 ಟೋಕನ್‌ಗಳಲ್ಲಿ, ಈಗಿರುವ ವಿನ್ಯಾಸವನ್ನು ಸುಧಾರಿಸಲು ಪ್ರಯತ್ನಿಸಿದಾಗಿಗಿಂತ ಲಿಖಿತ ಅವಶ್ಯಕತೆಗಳಿಂದ ಘಟಕವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿದಾಗ ಎಲ್ಲಾ ಐದು ಮಾಡೆಲ್‌ಗಳೂ ಹೆಚ್ಚು ಅಂಕ ಗಳಿಸಿದವು. ಇದು PicoRV32 ಮತ್ತು Ibex ಎರಡಕ್ಕೂ ಅನ್ವಯಿಸಿತು. GPT‑6.2 Astra, PicoRV32 ಗಿಂತ Ibex ನಲ್ಲಿ ಹೆಚ್ಚಿನ ಸುಧಾರಣೆ ಸಾಧಿಸಿತು. ಸಂಪೂರ್ಣ ಮೌಲ್ಯಮಾಪನವು ಎರಡೂ ಕಾರ್ಯಗಳು, ಎರಡೂ ಘಟಕಗಳು ಮತ್ತು ಎಲ್ಲ ಟೋಕನ್ ಮಿತಿಗಳಲ್ಲಿ ಅಂಕ ನೀಡಲಾದ 9,881 ಪ್ರಯೋಗಗಳನ್ನು ಒಳಗೊಂಡಿತ್ತು.

PicoRV32 ನಿರ್ದಿಷ್ಟೀಕರಣದಿಂದ ಆರಂಭಿಸಿದಾಗ, GPT‑6.2 Astra ಸುಮಾರು 112,000 ಟೋಕನ್‌ಗಳಲ್ಲಿ 0.7 ಸರಾಸರಿ ಅಂಕವನ್ನು ದಾಟುತ್ತದೆ. ಪರಿಶೀಲಿಸಿದ ಮುಂದಿನ ಎರಡು ಟೋಕನ್ ಮಿತಿಗಳಲ್ಲಿ ಇನ್ನೂ ಹೆಚ್ಚು ಅಂಕ ಗಳಿಸುತ್ತದೆ.

Ibex ನಲ್ಲಿ ನಿರ್ದಿಷ್ಟೀಕರಣದಿಂದ ವಿನ್ಯಾಸ ಮಾಡುವಾಗ, GPT‑6.2 Astra ಸುಮಾರು 112,000 ಟೋಕನ್‌ಗಳಲ್ಲಿ ಸುಮಾರು 0.75 ಸರಾಸರಿ ಅಂಕ ಗಳಿಸುತ್ತದೆ. ಎಲ್ಲ ಮಾಡೆಲ್‌ಗಳಿಗೂ ಅನ್ವಯಿಸಿದ ಹೆಚ್ಚಿನ ಟೋಕನ್ ಮಿತಿಗಳಲ್ಲಿ ಅದರ ವಕ್ರರೇಖೆ ಇತರವುಗಳಿಗಿಂತ ಮೇಲೆಯೇ ಇರುತ್ತದೆ.

ಲಿಖಿತ ಅವಶ್ಯಕತೆಗಳಿಂದ ಆರಂಭಿಸುವುದರಿಂದ ಮೂಲ ಘಟಕಗಳಲ್ಲಿರುವ ಕಾರ್ಯಕ್ಷಮತೆ ಎಣಿಕೆ ಸಾಧನಗಳು ಮತ್ತು ಹೆಚ್ಚುವರಿ ಸೂಚನೆಗಳಂತಹ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಬಿಡಲು ಮಾಡೆಲ್‌ಗಳಿಗೆ ಅವಕಾಶ ಸಿಗುತ್ತದೆ. ಪರೀಕ್ಷಾ ಕಾರ್ಯಭಾರಗಳಲ್ಲಿ ಥ್ರೂಪುಟ್ ಸುಧಾರಿಸಲು ಆ ವೈಶಿಷ್ಟ್ಯಗಳು ಹೆಚ್ಚಿನ ನೆರವು ನೀಡದಿರಬಹುದು. ಹೀಗಾಗಿ ಹೆಚ್ಚು ಅಂಕ ಸಿಗಲು ಇದು ಒಂದು ಕಾರಣವಾಗಿರಬಹುದು. ಆ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಕಡ್ಡಾಯಗೊಳಿಸುವುದು, ವಲಯದ ವಿಸ್ತೀರ್ಣಕ್ಕೆ ಇನ್ನಷ್ಟು ಕಟ್ಟುನಿಟ್ಟಿನ ಮಿತಿ ವಿಧಿಸುವುದು ಮತ್ತು ಭೌತಿಕ ಸಂಶ್ಲೇಷಣೆಯ ನಂತರ ಸಮಯ ಸಂಬಂಧಿತ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಪರಿಶೀಲಿಸುವುದು ಈ ಪರೀಕ್ಷೆಯನ್ನು ನೈಜ ಉತ್ಪಾದನಾ ಚಿಪ್ ವಿನ್ಯಾಸಕ್ಕೆ ಹೆಚ್ಚು ಹತ್ತಿರವಾಗಿಸುತ್ತದೆ.

ಮುಂದೇನು

RISC-V ಮೌಲ್ಯಮಾಪನಗಳಲ್ಲಿ ನಮ್ಮ ಮಾಡೆಲ್‌ಗಳು ಹೊಸ ಸಂಸ್ಕಾರಕ ವಾಸ್ತುಶಿಲ್ಪಗಳನ್ನು ಅನ್ವೇಷಿಸಬಲ್ಲವು ಎಂಬುದನ್ನು ತೋರಿಸಿದ್ದೇವೆ. ಜೊತೆಗೆ Jalapeño ಹಾಗೂ AMD ಯ ಮುಂದಿನ ಪೀಳಿಗೆಯ ಮುಂಚೂಣಿ GPU ಮತ್ತು CPU ನಂತಹ ಸಂಕೀರ್ಣ ಉತ್ಪಾದನಾ ವಿನ್ಯಾಸಗಳಲ್ಲಿ ಹೊಸ ಸುಧಾರಣೆಗಳನ್ನೂ ಸಾಧಿಸಿದ್ದೇವೆ. ಮಾಡೆಲ್ ಅಭಿವೃದ್ಧಿಗೆ ವಿಶ್ವಾಸಾರ್ಹ ಮೌಲ್ಯಮಾಪಕಗಳ ಆಧಾರ ಒದಗಿಸಲು ಮತ್ತು ಇನ್ನಷ್ಟು ಬಗೆಯ ವಿನ್ಯಾಸ ಸವಾಲುಗಳನ್ನು ಎದುರಿಸಲು, ನಾವು Synopsys ಜೊತೆ ಸಹಭಾಗಿತ್ವ ಮಾಡಿಕೊಂಡಿದ್ದೇವೆ. ತಜ್ಞ ಚಿಪ್ ವಿನ್ಯಾಸಕರು ಬಳಸುವಂತೆಯೇ Synopsys ವಿದ್ಯುನ್ಮಾನ ವಿನ್ಯಾಸ ಸ್ವಯಂಚಾಲನ (EDA) ಸಾಧನಗಳನ್ನು ಬಳಸಲು GPT‑Synopsys⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಎಂಬ ಹೊಸ ಮಾಡೆಲ್‌ಗೆ ತರಬೇತಿ ನೀಡುತ್ತಿದ್ದೇವೆ.