当前位置：首页 > news >正文

多Agent系统在HLS硬件优化中的创新实践与性能提升

news 2026/5/10 7:33:26

1. 多Agent系统在HLS硬件优化中的创新实践

高层次综合（High-Level Synthesis, HLS）技术正在重塑硬件设计范式，它将设计抽象层级从寄存器传输级（RTL）提升至C/C++层级。这种转变带来的核心价值在于：开发者可以用熟悉的软件编程语言描述硬件行为，而编译器自动完成微架构优化。然而，要获得高性能设计，仍然需要大量专家级的手动优化——根据IBM研究团队的数据，在真实基因组学加速器中，超过40%的代码行是专门用于硬件优化的pragma指令。

传统自动化方法存在明显局限：贝叶斯优化等方法只能在预定义的参数空间内搜索；整数线性规划（ILP）方案依赖预先枚举的候选配置；而早期基于大语言模型（LLM）的方法大多仍局限于结构化pragma选择。这些方法无法进行代码重构、算法重写或发现参数空间之外的优化机会。

我们团队开发的"Agent工厂"框架突破了这些限制。这个两阶段流水线系统通过协调多个自主优化Agent，在12个HLS基准测试中实现了平均8.27倍的加速比，在streamcluster等复杂负载上甚至达到20倍优化。最引人注目的是，这些Agent在没有接受任何硬件专业训练的情况下，自主发现了ARRAY_PARTITION等关键优化模式。

2. 系统架构与核心技术解析

2.1 两阶段优化流水线设计

系统的核心创新在于其分层优化策略。如图1所示，第一阶段专注于子内核级优化，而第二阶段突破函数边界进行全局探索。这种设计源于对HLS优化本质的深刻理解：局部最优不一定导致全局最优，但全局搜索的计算成本又令人望而却步。

在Stage 1中，协调Agent首先提取函数调用图G=(F,E)，为每个子函数fk∈F生成一个优化Agent。每个Agent产生M=7种变体（如表I所示），包括：

基准版本（无优化）
保守策略（最小化面积）
流水线方案（II=1,2,4）
激进组合（流水线+循环展开）
替代方案（数组分区、内联等）

这些变体经过功能正确性验证和HLS综合后，进入ILP求解阶段。这里的关键创新是延迟组合模型h(·)，它能准确反映程序执行结构中的顺序/并行关系。例如，对于顺序执行的子函数，延迟累加；对于并行区域，取最大延迟作为阶段持续时间。

2.2 整数线性规划的创新应用

ILP公式化是系统的决策核心。与传统方法不同，我们的目标函数L_total(x) = h({L^m_k · x^m_k})不是简单的延迟求和，而是通过调用图分析建立的复合模型。约束条件包括：

每个子函数必须选择且只选择一个变体
总面积不超过预算A_budget
二元决策变量x^m_k ∈ {0,1}

这种建模方式在SYN5、SYN6等测试案例中表现出色，能正确捕获并行模块中的最大延迟最小化等复杂关系。然而，它也存在固有局限——无法捕捉跨函数内存重用等全局效应，这正是Stage 2要解决的问题。

2.3 基于Agent扩展的全局优化

Stage 2的突破性在于将Agent数量作为可扩展的计算资源。从ILP得到的Top-N解决方案出发，系统生成N个探索Agent，每个专注于以下优化路径：

Pragma组合：跨函数的指令新组合
代码重构：循环重排序、融合、函数内联
内存优化：跨函数数组分区和访问模式重构
计算优化：代数简化或闭式变换

这种设计带来了三个关键优势：

多样性：不同Agent探索不同轨迹，增加发现非局部最优解的概率
可扩展性：更多Agent意味着更全面的设计空间覆盖
适应性：Agent可以自主判断何时进行代码级而非仅pragma级的改造

3. 实现细节与优化策略

3.1 变体生成策略

如表I所示，每个子函数的7种变体覆盖了从保守到激进的优化谱系。这种结构化探索避免了完全随机搜索的低效性。特别值得注意的是v6变体，它包含了ARRAY_PARTITION等可能显著改变硬件架构的转换。

在lavamd案例中，Agent发现将关键数组分区为4个bank可使内存带宽提升300%，这是传统参数扫描难以发现的优化。实现这种分区需要同时修改：

#pragma HLS ARRAY_PARTITION variable=input_buffer cyclic factor=4

和相应的访问模式：

int idx = i % 4; process(input_buffer[idx][...]);

3.2 延迟-面积权衡的艺术

HLS优化的核心挑战在于延迟与面积的权衡。我们的系统通过两种机制应对这一挑战：

ILP约束：严格保证总面积不超预算
Pareto前沿探索：Stage 2的Agent会记录所有可行设计的(L,A)对，构建优化轨迹

图2展示了12个基准测试的Pareto前沿。在kmeans中，Agent发现当面积预算超过50K时，采用完全展开策略可获得最佳延迟；而在更严格的35K预算下，部分展开加流水线才是最优解。

3.3 工具链集成

系统与AMD Vitis HLS工具链深度集成，工作流程包括：

代码变异生成
功能验证（通过黄金参考测试）
HLS综合（获取延迟和面积）
实现验证（确保时序收敛）

每个设计迭代平均需要8-12分钟，因此高效的探索策略至关重要。我们的关键优化是并行化Agent执行，在64核服务器上可同时运行多达16个综合作业。

4. 性能评估与关键发现

4.1 基准测试结果

表II总结了Agent扩展带来的性能提升：

1→2 Agent：5.26倍加速
2→4 Agent：5.81倍(+13.5%)
4→8 Agent：7.66倍(+31.8%)
8→10 Agent：8.27倍(+7.9%)

特别值得关注的是streamcluster的20倍加速和kmeans的10倍改进。这些案例揭示了一个重要模式：复杂度越高的问题，Agent扩展的收益越大。

4.2 自主发现的优化模式

尽管没有硬件专业知识，Agent们一致地发现了两个关键模式：

内存瓶颈优先：在AES、DES等算法中，Agent总是优先应用ARRAY_PARTITION解决内存瓶颈，然后才考虑流水线
依赖关系敏感：Agent学会在存在循环携带依赖时避免盲目流水线，这与HLS专家的经验完全吻合

在NW算法中，Agent甚至发现了一个反直觉现象：完全展开reverse_string循环会导致内存端口争用，使延迟从26周期恶化到71周期。

4.3 跨函数优化的价值

一个颠覆性发现是：最终最优设计有37%来自非Top-ranked的ILP变体。这意味着Stage 2的全局优化发现了子内核分解无法触及的改进空间。在leukocyte中，通过跨函数循环融合，Agent将关键路径延迟降低了42%。

5. 实践指南与经验总结

5.1 部署建议

基于数百次实验，我们总结出以下实践要点：

Agent数量选择：
- 简单内核：4-6个Agent即可饱和收益
- 复杂设计：建议8-10个Agent
- 严格面积约束：过多Agent可能导致面积浪费
内存优化优先级：

// 推荐优化序列 1. ARRAY_PARTITION → 2. DATAFLOW → 3. PIPELINE

关键参数设置：
- 每个子函数变体数M=7（经验最优）
- ILP求解时间限制：≤5分钟
- Stage 2迭代轮次：10-15轮

5.2 常见问题排查

在实际部署中，我们遇到了几个典型问题及解决方案：

综合失败：
- 原因：激进的UNROLL导致资源超限
- 解决：添加资源约束提示
```
#pragma HLS ALLOCATION instances=mult limit=4 operation
```
时序违例：
- 现象：时钟周期不满足
- 对策：引导Agent优先优化关键路径
```
#pragma HLS LATENCY max=5
```
功能错误：
- 检测：自动化测试框架
- 修复：Agent会自动回退到最近正确版本