Agenten-Factory optimiert Hardware: Wie weit reicht generisches Coding in HLS?

Ein neues Experiment zeigt, dass generische Coding‑Agenten ohne hardware‑spezifisches Training Hardware‑Designs aus hoch‑abstrakten Algorithmen signifikant verbessern können. Durch die Einführung einer „Agent Factory“, die in zwei Phasen arbeitet, lassen sich komplexe Optimierungen automatisiert durchführen.

In der ersten Phase zerlegt die Pipeline ein Design in einzelne Sub‑Kernels und optimiert jeden Kern separat mit pragma‑ und Code‑Transformationen. Anschließend wird ein Integer‑Linear‑Programm (ILP) erstellt, das die vielversprechendsten Kombinationen unter einer Flächenbeschränkung zusammenstellt.

Die zweite Phase startet N Expert‑Agenten, die die ILP‑Lösungen weiter verfeinern. Sie kombinieren pragma‑Anweisungen neu, führen Schleifenfusionen durch und strukturieren Speicherzugriffe um – Optimierungen, die bei der Sub‑Kernel‑Decomposition nicht erfasst werden. Auf 12 Kerneln aus HLS‑Eval und Rodinia‑HLS, analysiert mit Claude Code (Opus 4.5/4.6) und AMD Vitis HLS, erzielte die Skalierung von 1 bis 10 Agenten einen durchschnittlichen Geschwindigkeitszuwachs von 8,27‑fach gegenüber dem Baseline. Besonders anspruchsvolle Benchmarks wie streamcluster übertrafen die Baseline um mehr als 20‑fach, während kmeans rund 10‑fach schneller wurde.

Die Agenten fanden wiederkehrende Hardware‑Optimierungsmuster, ohne dass sie mit spezifischem Fachwissen trainiert wurden. Interessanterweise stammten die besten Ergebnisse häufig nicht aus den Top‑ILP‑Kandidaten, was darauf hinweist, dass globale Optimierungen Verbesserungen aufdecken, die bei der Sub‑Kernel‑Suche übersehen werden. Diese Erkenntnisse unterstreichen, dass die Skalierung von Agenten ein praktischer und wirkungsvoller Ansatz für die High‑Level‑Synthesis‑Optimierung ist.