Tez No	İndirme	Tez Künye	Durumu
759008		Optimization methods in high-level synthesis / Yüksek seviyede sentezlemede eniyileme yöntemleri Yazar:SELMA DİLEK Danışman: PROF. DR. SÜLEYMAN TOSUN Yer Bilgisi: Hacettepe Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Mühendislik Bilimleri = Engineering Sciences Dizin:Enerji optimizasyon modeli = Energy optimization model ; Entegre devreler = ; Sayısal devreler = Digital circuits ; Sayısal entegre devre = Digital integrated circuit ; Tam sayılı doğrusal programlama = Integer linear programming ; Tasarım optimizasyonu = Design optimization ; Tavlama optimizasyonu = Annealing optimization ; Tümdevre tasarımı = Integrated circuits design ; Tümleşik devreler = Integrated circuits ; Çok kriterli optimizasyon = Multi criteria optimization	Onaylandı Doktora İngilizce 2022 192 s.
Transistor boyutlarındaki sürekli azalma, elektronik bileşenlerin yongalar üzerinde çok daha yoğun bir şekilde paketlenmesini sağlarken, daha fazla fonksiyon içeren ve maliyeti daha düşük tümleşik devrelerin geliştirilmesine yol açmaktadır. Bununla birlikte, teknolojideki bu gelişmeler tümleşik devre tasarımı sürecinde geçici hatalara karşı daha korumasız olunması gibi yeni sorunlar ve zorluklar da doğurmuştur. Bileşenlerin yedeklenmesi bir sistemin hatalara karşı dayanıklılığını artırmak için popüler bir yöntem olsa da alan ve enerji tüketimi artışına neden olmaktadır. Artan enerji tüketiminin üstesinden gelmek için gerilim ölçeklendirme yöntemi kullanılabilir, ancak bu yöntem devrenin güvenilirliğini ve performansını da olumsuz etkilemektedir. Bu nedenle, tüm bu çelişen değişkenlerle devre tasarlamak çok zorlu bir iştir. Bu çalışmada devre tasarlanırken birbirleriyle çelişen parametreleri göz önüne alan matematiksel programlama ve metasezgisel algoritmalar olmak üzere iki optimizasyon yaklaşımı kullanılmıştır. Matematiksel programlama yaklaşımları, optimum çözümlerin üretilmesini garanti eder. Fakat yüksek hesaplama karmaşıklıkları ve gerçekçi olmayan uzun çalışma süreleri nedeniyle, genellikle gerçek hayattaki karmaşık problemler için pratik değildirler. Bununla birlikte, nispeten küçük problem boyutları için elde edilen optimum çözümler, aynı problemi çok daha hızlı yürütme sürelerinde çözen diğer metasezgisel yöntemlerin performansını ölçmek için faydalıdır. Bunun yanında metasezgisel yöntemler çözümün en iyi çözüm olup olmadığı hakkında herhangi bir garanti vermezler. Bu çalışmada, alan ve gecikme kısıtlamaları altında nihai devre tasarımlarının hem güvenilirliğini hem de enerjisini optimize etmek için tam sayı doğrusal programlama (ILP) tabanlı ve benzetimli tavlama (SA) tabanlı yüksek seviyede sentezleme (HLS) yöntemleri sunulmuştur. Modellerimizde sistem güvenilirliğini geliştirmek için alan kısıtlaması izin verdiği sürece tam ve kısmi kaynak çoğaltılması (modül yedekleme) kullanılmaktadır. Ayrıca, tercih edilen enerji azaltma yöntemi olarak gerilim adaları kullanılmaktadır. Bu sorunu daha da ilginç ve karmaşık yapan şey, çoklu besleme gerilimi altında kaynak kütüphanesinin tanımlanmasıdır. Kütüphanede aynı donanım kaynaklarının farklı alan, gecikme, güvenilirlik ve enerji değerlerine sahip farklı versiyonları kullanılmaktadır. Bu, önerilen yöntemlerin uygulama süresini etkilese de, daha fazla tasarım seçeneği de sunmaktadır. Sunulan yöntemlerin etkinliğini ölçmek için bazı HLS denektaşları kullanarak genetik algoritmaya (GA) dayalı bir yöntemle karşılaştırılmıştır. ILP tabanlı yöntemler küçük boyutlu problemler için optimum sonuçları verirken, çoğu zaman daha büyük çizge boyutları için verilen zaman sınırlarının altında optimum çözümleri bulabilmiştir. SA tabanlı yöntemler GA tabanlı yöntemlerden daha iyi performans göstermiş ve optimum veya optimuma yakın sonuçları çok daha hızlı bir şekilde elde etmiştir.
Continuous decrease in the transistor technology sizes has enabled much denser packaging of electronic components on chips, which has resulted in integrated circuits with more functionalities and lower costs. However, it has also given rise to new issues and challenges in the integrated circuit design process, including higher vulnerability to soft errors. Modular hardware redundancy is a popular method for improving the reliability of a system against errors at the cost of increasing area and energy consumption. Voltage scaling methods can be employed to tackle high energy costs; however, these approaches also negatively affect a circuit's reliability and performance. Therefore, designing circuits with all these conflicting parameters is a very challenging task. In this study, we employ two optimization approaches: mathematical programming and metaheuristic algorithms for designing integrated circuits with several conflicting parameters. Mathematical programming approaches guarantee the generation of the optimal solutions; however, they are usually highly impractical for complex real-life problems due to their high computational complexity and unrealistically long running times. Nevertheless, the optimal solutions obtained for relatively small problem sizes are useful for testing the performance of other (meta)heuristic methods that solve the same problem in much faster execution times, although without any guarantees about solution optimality. In this thesis, we propose integer linear programming (ILP)-based and simulated annealing (SA)-based high-level synthesis (HLS) methods to optimize both reliability and energy of the final circuit designs under the area and latency constraints. Our models employ full and partial resource duplication (modular redundancy) to improve the system reliability as long as the area constraint permits. They also utilize voltage islands as the energy reduction method of choice. This problem is even more interesting and complex because our resource library is characterized under multiple supply voltages. We use different versions of the same resources with different area, latency, reliability, and energy values. Although this affects the execution time of the proposed methods, it also gives us more design options. We compared and showed the effectiveness of our methods against a genetic algorithm (GA)-based method on several HLS benchmarks. The ILP-based methods return the optimum results for smaller problem sizes and most of the time for larger problem sizes under the given time limits. In contrast, the SA-based methods outperform the GA-based methods and generate optimal or acceptably near-optimal results for all benchmarks in much faster running times.