谷歌要干掉layout工程师?

AIGC动态2个月前发布 admin
379 0 0
谷歌要干掉layout工程师?

 

文章摘要


【关 键 词】 AlphaChip深度学习芯片设计强化学习AI优化

DeepMind最近宣布,其人工智能技术AlphaChip已经在全球范围内的硬件中得到应用,加速并优化了芯片设计。AlphaChip利用深度强化学习的方法,显著提高了芯片布局设计的效率和质量。2020年,DeepMind发表了相关研究的预印本,并在《自然》杂志上发表并开源了该方法。现在,他们发布了一个预先训练的检查点,分享了模型权重,并将其命名为AlphaChip。

AlphaChip是首批用于解决实际工程问题的强化学习方法之一,能够在数小时内生成超人或同类芯片布局,而传统方法可能需要数周或数月的人力。这种方法已被用于设计谷歌定制AI加速器张量处理单元(TPU)的最近三代superhuman chip layouts。

AlphaChip的工作原理是将芯片布局规划视为一种游戏,从空白网格开始,逐步放置电路元件,直至完成所有元件的放置。它使用一种新颖的“基于边缘”图形神经网络来学习芯片元件之间的关系,并在整个芯片中进行推广,从而在设计每个布局时都能不断改进。

AlphaChip自2020年发布以来,已经生成了谷歌每一代TPU所使用的superhuman chip layouts。这些芯片使得大规模扩展基于谷歌Transformer架构的AI模型成为可能。AlphaChip的设计方法不仅提高了设计速度,还提高了芯片的性能。

AlphaChip的影响不仅限于谷歌内部,它还被外部组织采用和开发。例如,全球顶级芯片设计公司之一联发科扩展了AlphaChip,以加速其最先进芯片的开发,同时提高了功耗、性能和芯片面积。

AlphaChip的成功引发了芯片设计人工智能研究的爆炸式增长,并扩展到芯片设计的其他关键阶段,如逻辑综合和宏选择。DeepMind相信AlphaChip有潜力优化芯片设计周期的每个阶段,从计算机架构到制造,并将芯片设计转变为智能手机、医疗设备、农业传感器等日常设备中的定制硬件。

DeepMind还提供了关于AlphaChip的附录信息,包括预训练的重要性、训练和计算资源、初始放置、基准测试和对原始论文的澄清。他们强调了预训练对于提高AlphaChip的速度、可靠性和放置质量的重要性,并提供了开源软件存储库,以便外部研究人员可以在各种芯片块上进行预训练。

展望未来,DeepMind设想人工智能方法将使整个芯片设计过程自动化,通过超人算法和硬件、软件和机器学习模型的端到端协同优化,大大加快设计周期并解锁性能的新领域。他们期待与社区合作,继续革新这一领域,创造一个芯片更快、更便宜、更节能的未来。

“极客训练营”

原文和模型


【原文链接】 阅读原文 [ 3469字 | 14分钟 ]
【原文作者】 半导体行业观察
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★

© 版权声明
“绘蛙”

相关文章

暂无评论

暂无评论...