Microelectronics System-LEvel Design

Il gruppo di ricerca Microelectronics System-Level Design (μSLED) sviluppa metodologie, strumenti e architetture per progettare e ottimizzare sistemi digitali complessi a diversi livelli di astrazione, dalla modellazione di sistema e dalla Sintesi ad Alto Livello (HLS) fino alla progettazione e implementazione a livello RTL. Il nostro obiettivo è migliorare produttività, prestazioni, efficienza energetica e prevedibilità delle moderne piattaforme di calcolo, in particolare quelle che combinano risorse eterogenee di calcolo, memoria e comunicazione.
Le attività di ricerca di μSLED comprendono la progettazione a livello di sistema, la co-progettazione hardware/software e l’esplorazione dello spazio di progetto (DSE), con l’obiettivo di consentire una rapida valutazione dei compromessi architetturali nelle fasi iniziali del ciclo di sviluppo. Ci rivolgiamo a piattaforme che spaziano dai sistemi embedded ad acceleratori orientati a FPGA e ASIC, con particolare attenzione a flussi di progettazione concreti e componenti riutilizzabili.
Un’area di interesse centrale è la progettazione di architetture specializzate per specifici domini applicativi e per carichi di lavoro intensivi incluse i systolic arrays e altri acceleratori strutturati. In questo contesto, studiamo anche architetture modulari e componibili per il machine learning, analizzandone le implicazioni in termini di scalabilità, riuso e adattabilità ai diversi domini applicativi. Studiamo come la struttura dell’algoritmo, il trasferimento dati e i vincoli architetturali interagiscano tra loro, e sviluppiamo tecniche per mappare le applicazioni in modo efficiente su architetture regolari e semi-regolari (ad esempio isole “tiled” interconnesse tramite rete su chip (NoC)). A livello implementativo, lavoriamo su microarchitetture RTL e strategie di ottimizzazione che completano la sintesi e la modellazione a livelli più alti.
Un’altra direzione chiave è l’Embedded AI, dove studiamo architetture e flussi di progetto per la realizzazione dell’inferenza di modelli di machine learning su piattaforme a risorse limitate. Questo include la co-ottimizzazione di caratteristiche del modello (p.es. architettura e quantizzazione della rete neurale), gerarchia di memoria e progettazione dell’acceleratore, nonché la progettazione e l’ottimizzazione congiunta di architetture neurali avanzate, per rispettare vincoli stringenti di potenza, latenza e costo mantenendo al contempo una buona accuratezza.
μSLED affronta inoltre i colli di bottiglia di scalabilità nei progetti digitali di grandi dimensioni, includendo la modellazione e l’ottimizzazione dei sottosistemi di comunicazione e memoria (ad esempio progetti dataflow, architetture basate su NoC, strategie di buffering) e l’integrazione di vincoli architetturali e fisici nelle metodologie a livello di sistema. Combiniamo modellazione analitica, simulazione e approcci data-driven e AI-driven per abilitare un’esplorazione efficiente di spazi di progetto complessi, incluso l’uso di tecniche di apprendimento automatico per guidare il DSE e la progettazione elettronica automatica (EDA).
Il gruppo collabora con partner accademici e industriali nei settori EDA, embedded computing, sistemi intelligenti e progettazione ASIC, contribuendo sia alla ricerca di base sia allo sviluppo di strumenti applicativi. μSLED è attivo in progetti nazionali ed europei ed è orientato al trasferimento tecnologico e all’impatto su applicazioni reali.