エージェント型アーキテクト：建築（アーキテクチャ）設計の探索と最適化のためのエージェント型AIフレームワーク

Abstract

大規模言語モデル（LLM）の急速な進歩は、広く複雑な設計空間を効率的に探索できるようにすることで、新たな機会を生み出しています。これは特に計算機アーキテクチャにおいて価値があります。計算機アーキテクチャの性能は、巨大な組合せ空間から導かれるマイクロアーキテクチャ設計とポリシーに依存するためです。 本研究では、サイクル精度のシミュレーションとLLM駆動のコード進化を組み合わせた、計算機アーキテクチャ設計の探索と最適化のためのエージェンティックAIフレームワーク「Agentic Architect」を提案します。人間のアーキテクトは最適化目標、シード設計、スコアリング関数、シミュレータのインタフェース、ベンチマークの分割を指定し、LLMはこれらの制約の範囲内で実装を探索します。キャッシュ置換、データプリフェッチ、分岐予測にわたって、Agentic Architectは最先端の設計に匹敵するかそれを上回ります。私たちの最良の進化キャッシュ置換設計は、LRUに対して1.062xのジオメトリ平均IPC（1.062倍）の高速化を達成し、Mockingjayに対しては0.6%上回ります（1.056x）。また、進化した分岐予測器は、Bimodalに対して1.100xのジオメトリ平均IPC高速化を達成し、初期シードであるHashed Perceptronに対しては1.5%上回ります（1.085x）。最後に、進化したプリフェッチャは、プリフェッチなしに対してジオメトリ平均IPCを1.76x高速化し、VA/AMPM Liteのシード（1.59x）に対して17%上回り、SMSに対しては21%上回ります（1.55x）。 本分析では、エージェンティックAIにより駆動されるマイクロアーキテクチャ設計に関するいくつかの知見が明らかになりました。進化した設計全体において、構成要素はしばしば既知の手法に対応します。新規性は、それらがどのように協調・連携されるかにあります。アーキテクトの役割は変化していますが、人間は依然として中心です。シードの品質は探索が達成できる範囲を制約します。進化は既存のメカニズムを洗練し、拡張することはできますが、弱い基盤を補うことはできません。同様に、目的、制約、プロンプトによるガイダンスは、信頼性と汎化性能に影響します。総合すると、Agentic Architectは、エージェンティックAIによるアーキテクチャ探索と最適化のための初のエンドツーエンドのオープンソース・フレームワークです。