För att automatisera den mödosamma uppgiften att designa chips har Googles forskare utvecklat en AI-modell – som designar ett komplext chip på timmar.
Detta genombrottsarbete är så framgångsrikt att Google använde det för att tillverka sina datacenterchips, som kör AI-verksamhet. Den här nya modellen har fått uppskattning över hela branschen eftersom den tog bort en betungande uppgift som plågade ingenjörer i årtionden.
Chipdesign på under 6 timmar!
Att designa ett komplext chip som är lika stort som våra naglar är så svårt. Det kräver att man placerar miljarder komponenter anslutna på en kiselform som är monterad i slutenheten för hög prestanda och effektivitet.
Detta är en tröttsam uppgift, eftersom flera ingenjörer som arbetar med det kommer att ta flera månader att dyka upp med en tillfredsställande modell. Men det kritiska arbetet i detta utrymme kan skäras av till en viss grad, eftersom Google gjorde ett välbehövligt genombrott.
Spännande att dela att vårt arbete har publicerats i Nature! Vår RL-agent genererar chiplayouter på bara några timmar, medan mänskliga experter kan ta månader. Dessa övermänskliga AI-genererade layouter användes i Googles senaste AI-accelerator (TPU-v5)! https://t.co/k12Kj4jfbC
— Anna D Goldie (@annadgoldie) 9 juni 2021
Forskare på Google har gjort en AI-modell som kan designa ett komplext chip på mindre än 6 timmar! Och det uppfyller även de operativa kraven som förväntad energieffektivitet och prestanda.
För detta har Google-forskarna matat sin uppfinning med cirka 10 000 chiplayouter och tränat med förstärkningsträning. Detta ledde till att AI-modellen producerade en optimerad chipdesign som var så bra att Google använde den för sin nästa generations AI-acceleratorer (Tensor Processing Units) som används i datacenter för att driva AI-verksamhet.
Mycket bra arbete från Google med djup RL-baserad optimering för chiplayout.
Simulerad glödgning och dess arvingar avsätts slutligen efter 40 år.
Detta använder bland annat graf NN och deConvNets.
Jag trodde inte på 90-talet att (de)ConvNets kunde användas för detta. https://t.co/WY68QNnuMY— Yann LeCun (@ylecun) 10 juni 2021
Vikten av denna uppfinning kommer att förstås bättre om en chipdesignprocess är känd. Det kräver att tusentals minnesblock placeras på en kiselmatris, för att senare tusentals miljoner standardceller (logiska grindar) kommer att placeras bland dem. Alla dessa kommer att kopplas ihop!
Hela denna avveckling och anslutningar måste utformas noggrant, eftersom det i slutändan avgör hur bra chippet kan fungera. Googles AI tar alltså bort krånglet med dessa placeringsdesigner och hjälper ingenjörer att hoppa över krångelprocessen och fokusera på andra relaterade arbeten.
