Duke 與 Synopsys 推出 GPU 加速可微分框架 DiffPower，解決開關功耗分析取捨問題
為何重要
這項技術突破可能顯著改善 SoC 設計師在功耗最佳化迴圈中反覆模擬所產生的延遲問題，將傳統較為被動的功耗驗證轉化為可快速迭代的最佳化步驟。對 EDA（電子設計自動化）產業而言，這證明瞭將 GPU 加速運算直接整合到深度學習架構中的可行性，這是矽谷與學界目前競相發展的趨勢。此類軟硬體協同的加速技術，將直接影響晶片設計工具的出貨效能與市場競爭力。
杜克大學與 Synopsys 聯合發表技術論文，提出「DiffPower」作為一種可微分開關功耗分析與最佳化架構，旨在緩解傳統分析方法在速度與精度之間的取捨。該框架將設計網表轉換為 PDK 無關的位元組碼，利用反向模式自動微分實現功能性梯度計算。實測顯示，在最大規模的設計評估中，相較於單執行緒 CPU 推導，GPU 版本達成高達 1,002× 的速度優勢，且隨設計規模擴大，效能優勢更為顯著。