nba在线观看免费回放-官网在线

谷歌TPU秘密武器6小时完成芯片布局!新AI算法登

时间:2021-07-10 02:28

  芯东西6月10日报道,谷歌用人工智能提高芯片设计速度的研究,已发表于国际顶级期刊Nature。原本人类专家需要花费数周时间的芯片布局设计,通过一种深度强化学习方法,平均6小时内就能完成这个过程。这项工作并不完全新颖,包括谷歌人工智能负责人Jeff Dean在内的谷歌工程师团队,在一年前发表的一篇预印版论文中已经提到了这一技术。

  而在Nature最新发表的论文中,谷歌原始研究团队称其已微调该技术,来设计即将推出的、以前未宣布的谷歌张量处理单元(TPU)的生成,专门用于加速人工智能(AI)。

  该论文题目为《一个快速芯片设计的布图布局方法》(A graph placement methodology for fast chip design)。如果这一技术公开,或有助于让资金受限的初创企业开发满足特定需求的自家芯片,并缩短芯片设计周期,使硬件更好地适应快速发展的研究。

  微芯片面积约为几十到数百毫米平方,容纳数千个组件,如内存、逻辑和处理单元,外加许多公里的超薄电线将这些组件连接在一起。设计过程中,全局布线是最复杂和耗时的阶段之一,这涉及研究这些组件的最佳放置位置,就像建筑师设计建筑的内部空间一样,如何以最好的规划容纳所有所需的固定装置和配件。在这项研究中,谷歌研究人员提出了一种基于深度强化学习的芯片布局方法,目标是将电路组件和标准单元的网表节点映射到一个芯片画布上,从而优化功率、性能和面积(PPA),同时遵守对布局密度和布线年代以来,提出了许多自动化的芯片平面图方法,但没有一种方法达到人类专家上手所能实现的性能。此外,芯片复杂性的指数增长,使这些技术难以在现代芯片上使用。人类芯片设计师往往必须使用电子设计自动化(EDA)工具迭代数月,对芯片网表进行RTL描述,并手动将该网表放置在芯片画布上。基于这种长达72小时的反馈,设计师要么得出结论,认为设计标准已经达到,要么向上游RTL设计师提供反馈,后者然后修改低级代码,使放置任务更容易。而谷歌提出的深度强化学习方法,是一种具有泛化能力的芯片布局方法。通过领域自适应策略,它能够跨芯片进行推广,可以自行从经验中学习,使其芯片布局设计能力变得更好、更快。

  芯片平面图类似于具有各种部件、板块和获胜条件的游戏,因此可以用包含状态、动作、状态转移、奖励四个关键要素的强化学习方法,通过训练一个智能体,用累计奖励最大化,让AI优化芯片布局的能力持续增强。从空芯片开始,谷歌团队的系统按顺序放置组件,直到实现一个完全布局的网表。为了指导系统选择首先放置的组件,组件按降序由大到小排序;首先放置较大的组件会减少以后没有可行放置的可能性。

  训练该系统需要创建一个包含10000个芯片布局的数据集,其中输入是与给定布局相关的状态,标签是布局的奖励(即线长和拥塞)。

  研究人员首先选择了5个不同的芯片净网表,并用AI算法为每个网表创建2000个不同的布局位置。该系统花了48个小时在英伟达Volta显卡和10个CPU上“预训练”,每个CPU都有2GB的RAM。在一项测试中,谷歌研究人员将他们的系统建议与手动基线——谷歌TPU物理设计团队创建的上一代TPU芯片设计——进行比较。结果显示,系统和人类专家均生成符合时间和拥塞要求的可行位置,而AI系统在面积、功率和电线长度方面优于或媲美手动布局,同时满足设计标准所需的时间要少得多。

  大规模的架构探索以前是不可能的,因为评估给定的架构需要数月的努力。谷歌团队认为,修改芯片的设计或对性能产生巨大影响,并可能为芯片设计过程的完全自动化奠定基础。此外,虽然谷歌团队的系统被用于设计下一代谷歌TPU,但研究人员认为,它可以应用于芯片设计以外的有影响力的放置规划问题,包括城市规划、疫苗测试分发和大脑皮层映射等一系列应用。

  更易访问、更高效的微芯片将为自动驾驶汽车、5G通信和AI的发展提供动力,这些机会不容错过。但重要的是,要考虑使用自动化设计技术的更广泛影响,特别是需要具有相关技能和专业知识的人,和提高目前手动完成流程的人的技能。芯片布局无论是手动还是自动化,都需要计算、电子工程和设备物理方面的专业知识。这些技能需要时间来学习,在一个生产微芯片以外许多其他产品的行业中,同样非常需要这些技能。至关重要的是,相关公司要理解这一点,并采取适当步骤来满足其本地和全球的技能需求。自动化往往加剧了人们对裁员的担忧。事实上,保持电子行业的势头,需要有远见的人和公司来创造下一代微芯片。来源:Nature,VentureBeat