[發明專利]具有機器學習能力的集成電路功率系統

在審

• 申請號: 201811375310.6
• 申請日: 2018-11-19
• 公開（公告）號: CN109936285A
• 公開（公告）日: 2019-06-25
• 發明（設計）人: A.凱利
• 申請（專利權）人: 英特爾公司
• 主分類號: H02M3/00
• 分類號: H02M3/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李雪娜;申屠偉進

提供了一種使用機器學習算法解決涉及集成電路系統上的功率遞送的各種問題的功率系統。所述功率系統可以在目標集成電路附近的平臺上或在云中在平臺外處理數據，使得機器學習算法可以從數據提取信息、處理并分析數據以及基于分析結果執行合適的動作。將機器學習應用到集成電路功率遞送可以涉及諸如異常檢測、負載預測、回歸以及分類之類的算法的應用。以這種方式操作，可以為功率系統提供改進的電壓/頻率縮放能力、安全性以及功率效率。

背景技術

諸如專用集成電路（ASIC）和可編程邏輯設備（PLD）之類的集成電路經常用于實現具有高吞吐量或高帶寬要求的高性能應用。此類高性能應用要求這些集成電路在緊調節帶和良好控制的次序之內使用準確控制的功率供給電壓被供電。

現有的系統功率策略（power policy）要求與功率軌關聯的數據，諸如是對于功率系統和用戶可用的電壓、電流和溫度。盡管此類供電相關的數據有可用性，但是由于大量數據的實際處理中的巨大挑戰，任何收集的數據都不被利用于在線分析，其中數據的維度限制了對于系統而言提供可行動的步驟的計算能力。

常規功率系統的示例包括獲取數據，但是，數據被采樣和存儲以供離線批量分析。數據存儲不在系統之內發生，并且不會連續地在線捕獲數據，這限制了對于系統而言連續監視功率軌的能力。另一個示例包括針對降壓轉換器的在線系統分析，但是相關的數據并不存儲在系統內的存儲器中，這限制了僅對遞歸在線方法的適用性。并且，現有的方法都沒有描述通過監視過去的負載行為來預計在功率軌處的負載干擾。

本文描述的實施例在該上下文內發生。

附圖說明

圖1是根據實施例的說明性功率分析系統的圖。

圖2是根據實施例的用于操作圖1中所示的功率分析系統的說明性步驟的流程圖。

圖3是根據實施例的說明性功率轉換系統的圖。

圖4A是示出根據實施例的可以如何經由壓縮來減少數據的圖。

圖4B是示出根據實施例的可以如何經由符號表示來減少數據的圖。

圖5A和圖5B是示出根據實施例的可以如何在狀態空間中表示動態信號的圖。

圖6A-6C是圖示根據實施例的用于檢測異常的機器學習方法的圖。

圖7A-7C是圖示根據實施例的用于對不同數據類型進行分類的機器學習方法的圖。

圖8A和圖8B是根據實施例的說明性預測控制系統的圖。

圖9A是根據實施例的用于表示預測控制系統的說明性前饋神經網絡的圖。

圖9B是示出根據實施例的可以如何預測極端負載偏差的時序圖。

圖10示出了根據實施例的負載預測可以如何幫助減少功率供給電壓偏差。

具體實施方式

本實施例涉及集成電路，并且特別地涉及使用機器學習算法解決涉及向集成電路的功率遞送的各種問題的功率系統。所述功率系統可以在包括集成電路、功率轉換系統以及功率數據處理器的平臺上本地處理數據，或者可以在云中在平臺外處理數據。將機器學習應用到向集成電路遞送功率可以涉及諸如異常檢測、負載預測、以及分類之類的算法的應用。功率相關的數據可以從所述系統提取、被處理成適當的形式、分析以及采取動作來解決潛在的問題。

本領域中的技術人員將認識到，可以在沒有這些具體細節中的一些或所有的情況下來實踐本示例性實施例。在其他實例中，沒有詳細地描述公知的操作，以免不必要地模糊本實施例。