DSE (Design Space Exploration)

搜索与实验框架

• AlphaEvolve（2025–2026） — 结合 LLM、程序进化与自动验证优化算法，官方披露了 TPU 算术电路、训练 kernel 和数据中心调度案例。 后续实践
• ArchGym（2023） — 统一搜索算法与架构模拟器接口，用于机器学习驱动的设计空间探索和实验数据收集。 论文
• CHIA（2026） — 用工作流图和可扩展运行时组织 AI 驱动的硬件/软件协同设计实验，示例覆盖 RTL、gem5 对齐、微架构实现和关键路径优化。 论文

架构与映射评估

• Accel-Sim — 对 GPU 等可编程加速器进行轨迹驱动仿真与实机校验，配合功耗模型研究新架构及 AI workload。
• GenZ（2024） — 分析不同 LLM 推理场景下的算力、存储和通信需求，探索模型特征与平台设计参数的关系。 论文
• LLMCompass（2024） — 用模型执行、硬件映射与面积成本模型评估 LLM 推理平台，支持芯片参数及系统配置探索。 论文
• MAESTRO — 以数据流与 tiling 描述分析 DNN 加速器的数据复用、性能和硬件成本。
• SCALE-Sim v3（2025） — 对指定网络和脉动阵列配置进行周期级仿真，输出时序、内存带宽与访存轨迹。 v3 论文
• Timeloop / Accelergy — 用工作负载、架构和映射描述探索张量加速器设计空间，并估计性能、数据搬运、能耗与面积。 代码 相关代码 格式
• ZigZag — 面向 DNN 加速器联合探索存储层次、空间/时间映射及其能耗和延迟，扩展覆盖存算一体。 论文

集群与工作负载

• ASTRA-sim — 联合模拟分布式 AI 的工作负载调度、集合通信与计算/存储/网络架构，支持多层次系统设计探索。 后续论文
• MLCommons Chakra — 以开放执行图描述 AI workload 的计算、访存、通信和依赖，并提供 trace 转换、生成及仿真衔接工具。 格式与工具指南 新版论文