Buchumschlag

AutoHLS: Learning to Accelerate Design Space Exploration for HLS Designs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ahmed, Md Rubel, Koike-Akino, Toshiaki, Parsons, Kieran, Wang, Ye
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Hardware Architecture Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FlexLLM: Composable HLS Library for Flexible Hybrid LLM Accelerator Design
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

Efficient Task Transfer for HLS DSE
von: Ding, Zijian, et al.
Veröffentlicht: (2024)

HLS-Eval: A Benchmark and Framework for Evaluating LLMs on High-Level Synthesis Design Tasks
von: Abi-Karam, Stefan, et al.
Veröffentlicht: (2025)

MPM-LLM4DSE: Reaching the Pareto Frontier in HLS with Multimodal Learning and LLM-Driven Exploration
von: Xu, Lei, et al.
Veröffentlicht: (2026)

Iceberg: Enhancing HLS Modeling with Synthetic Data
von: Ding, Zijian, et al.
Veröffentlicht: (2025)

Multi-objective Optimization in CPU Design Space Exploration: Attention is All You Need
von: Xue, Runzhen, et al.
Veröffentlicht: (2024)

AIRCHITECT v2: Learning the Hardware Accelerator Design Space through Unified Representations
von: Seo, Jamin, et al.
Veröffentlicht: (2025)

ForgeHLS: A Large-Scale, Open-Source Dataset for High-Level Synthesis
von: Peng, Zedong, et al.
Veröffentlicht: (2025)

Stream-HLS: Towards Automatic Dataflow Acceleration
von: Basalama, Suhail, et al.
Veröffentlicht: (2025)

GENIAL: Generative Design Space Exploration via Network Inversion for Low Power Algorithmic Logic Units
von: Bouvier, Maxence, et al.
Veröffentlicht: (2025)

ChatHLS: Towards Systematic Design Automation and Optimization for High-Level Synthesis
von: Li, Runkai, et al.
Veröffentlicht: (2025)

AccLLM: Accelerating Long-Context LLM Inference Via Algorithm-Hardware Co-Design
von: Liang, Yanbiao, et al.
Veröffentlicht: (2025)

Agentic-HLS: An agentic reasoning based high-level synthesis system using large language models (AI for EDA workshop 2024)
von: Oztas, Ali Emre, et al.
Veröffentlicht: (2024)

Comprehensive Design Space Exploration for Tensorized Neural Network Hardware Accelerators
von: Zhang, Jinsong, et al.
Veröffentlicht: (2025)

ALADIN: Accuracy-Latency-Aware Design-space Inference Analysis for Embedded AI Accelerators
von: Baldi, T., et al.
Veröffentlicht: (2026)

Hardware/Software Co-Design of RISC-V Extensions for Accelerating Sparse DNNs on FPGAs
von: Sabih, Muhammad, et al.
Veröffentlicht: (2025)

Exploring Code Language Models for Automated HLS-based Hardware Generation: Benchmark, Infrastructure and Analysis
von: Gai, Jiahao, et al.
Veröffentlicht: (2025)

Learning to Compare Hardware Designs for High-Level Synthesis
von: Bai, Yunsheng, et al.
Veröffentlicht: (2024)

Neural Network Acceleration on MPSoC board: Integrating SLAC's SNL, Rogue Software and Auto-SNL
von: Rahali, Hamza Ezzaoui, et al.
Veröffentlicht: (2025)

Automated Design and Optimization of Distributed Filtering Circuits via Reinforcement Learning
von: Gao, Peng, et al.
Veröffentlicht: (2024)

LLM-Driven Design Space Exploration of FPGA-based Accelerators
von: Sharma, Vinamra, et al.
Veröffentlicht: (2026)

MC$^2$A: Enabling Algorithm-Hardware Co-Design for Efficient Markov Chain Monte Carlo Acceleration
von: Zhao, Shirui, et al.
Veröffentlicht: (2025)

LUT-DLA: Lookup Table as Efficient Extreme Low-Bit Deep Learning Accelerator
von: Li, Guoyu, et al.
Veröffentlicht: (2025)

Supervised Learning for Analog and RF Circuit Design: Benchmarks and Comparative Insights
von: Mehradfar, Asal, et al.
Veröffentlicht: (2025)

FASQ: Flexible Accelerated Subspace Quantization for Calibration-Free LLM Compression
von: Qiao, Ye, et al.
Veröffentlicht: (2026)

TRAM: Training Approximate Multiplier Structures for Low-Power AI Accelerators
von: Meng, Chang, et al.
Veröffentlicht: (2026)

Late Breaking Results: Quamba-SE: Soft-edge Quantizer for Activations in State Space Models
von: Chen, Yizhi, et al.
Veröffentlicht: (2026)

Cross-Modality Program Representation Learning for Electronic Design Automation with High-Level Synthesis
von: Qin, Zongyue, et al.
Veröffentlicht: (2024)

Improving the Performance and Learning Stability of Parallelizable RNNs Designed for Ultra-Low Power Applications
von: Brandoit, Julien, et al.
Veröffentlicht: (2026)

ForgeBench: A Machine Learning Benchmark Suite and Auto-Generation Framework for Next-Generation HLS Tools
von: Wanna, Andy, et al.
Veröffentlicht: (2025)

FAMOUS: Flexible Accelerator for the Attention Mechanism of Transformer on UltraScale+ FPGAs
von: Kabir, Ehsan, et al.
Veröffentlicht: (2024)

MING: An Automated CNN-to-Edge MLIR HLS framework
von: Bi, Jiahong, et al.
Veröffentlicht: (2026)

HLStrans: Dataset for C-to-HLS Hardware Code Synthesis
von: Zou, Qingyun, et al.
Veröffentlicht: (2025)

Chiplet Placement Order Exploration Based on Learning to Rank with Graph Representation
von: Deng, Zhihui, et al.
Veröffentlicht: (2024)

Multimodal Chip Physical Design Engineer Assistant
von: Tsai, Yun-Da, et al.
Veröffentlicht: (2025)

Architect in the Loop Agentic Hardware Design and Verification
von: Mohammed, Mubarek
Veröffentlicht: (2025)

ML For Hardware Design Interpretability: Challenges and Opportunities
von: Baartmans, Raymond, et al.
Veröffentlicht: (2025)

'1'-bit Count-based Sorting Unit to Reduce Link Power in DNN Accelerators
von: Han, Ruichi, et al.
Veröffentlicht: (2026)

A Hybrid Edge Classifier: Combining TinyML-Optimised CNN with RRAM-CMOS ACAM for Energy-Efficient Inference
von: Woodward, Kieran, et al.
Veröffentlicht: (2025)

Report for NSF Workshop on AI for Electronic Design Automation
von: Chen, Deming, et al.
Veröffentlicht: (2026)