Разработчики ПЛИС переходят на машинное обучение в облаке

Усложнение ПЛИС и процессов их разработки приводит к резкому росту количества проблем, связанных с выводом продуктов на рынок и их производительностью. Повышаются требования к плотности логических схем, что увеличивает срок разработки и, следовательно, срок выхода на рынок. При худшем сценарии сжатые сроки вынуждают создавать громоздкое устройство, что влияет на рентабельность продукта, особенно при крупномасштабном производстве. Многие компании не имеют достаточных вычислительных ресурсов для проектирования новых ПЛИС. Например, среды проектирования Quartus Prime или Xilinx’s Vivado не предназначены для компиляции на настольных компьютерах или рабочих станциях. Это приводит к тому, что разработчики для ускорения получения результатов и снижения стоимости разработки переходят на облачные вычислительные сервисы.

Компания Plunify создала для разработчиков ПЛИС сервис с применением машинного обучения, позволяющий оптимизировать проектирование ПЛИС. Эффект достигается за счет анализа предыдущих результатов компиляции и вычисления на их основе оптимальных параметров синтеза, компоновки и размещения из квадриллионов возможных вариантов. Сервис использует статистическое моделирование и машинное обучение для анализа полученных данных с целью повышения качества проектирования. Чем больше инженерная группа работает с этим инструментом, тем «умнее» он становится, сокращая время проектирования. И, разумеется, размещается сервис в облаке или на серверах пользователя.

Источник: http://embedded-computing.com/guest-blogs/fpga-designers-turn-to-machine-learning-in-the-cloud/