AlphaChip: как ИИ революционизирует проектирование чипов

По данным Google DeepMind, AlphaChip уже сыграла важную роль в проектировании последних трех поколений тензорных процессоров Google (TPU), ускорив прогресс в области ИИ и изменив ландшафт производства и проектирования чипов.

Обзор системы ИИ AlphaChip

AlphaChip использует сложный подход обучения с подкреплением для оптимизации проектирования чипов, рассматривая сложную задачу floorplanning как замысловатую головоломку. Ключевые особенности системы включают:

1. Использование новой графовой нейронной сети «на основе ребер» для изучения взаимосвязей между компонентами чипа.
2. Рассмотрение floorplanning чипа как игры, последовательное размещение компонентов схемы на сетке (холсте чипа).
3. Совершенствование с опытом, становясь быстрее и точнее с течением времени за счет обучения на прошлых размещениях.
4. Способность к обобщению для различных конструкций чипов, что обеспечивает широту применения.
5. Предварительное обучение на различных блоках чипов предыдущих поколений перед решением текущих задач проектирования.
6. Создание компоновок (флорпланов) за часы, по сравнению с неделями или месяцами человеческих усилий.
7. Достижение сверхчеловеческой производительности в оптимизации длины проводников и размещения компонентов, ключевых показателей эффективности и производительности чипа.

Методология AlphaChip перекликается с методологией AlphaGo и AlphaZero, применяя методы обучения с подкреплением к сложной инженерной задаче реального мира. Этот инновационный метод не только ускорил процесс проектирования чипов, но и открыл новые возможности для создания более эффективных и мощных компьютерных чипов для различных применений.

Влияние на проектирование Google TPU

AlphaChip оказала значительное влияние на проектирование тензорных процессоров Google (TPU), сыграв решающую роль в оптимизации последних трех поколений этих ускорителей ИИ:

• Для TPU v5e AlphaChip разместила 10 блоков и добилась сокращения длины проводников на 3,2% по сравнению с экспертами-людьми.
• В текущем 6-м поколении TPU, получившем название Trillium, AlphaChip разместила 25 блоков и добилась сокращения длины проводников на 6,2%.

Trillium, TPU шестого поколения от Google, обеспечивает почти в пять раз большую пиковую вычислительную мощность на чип по сравнению со своим предшественником, может похвастаться вдвое большей пропускной способностью памяти и демонстрирует 67-процентное улучшение энергоэффективности. Эти достижения напрямую способствовали разработке мощных генеративных систем ИИ Google, включая большие языковые модели, такие как Gemini, и генераторы изображений и видео, такие как Imagen и Veo.

Влияние на отрасль

Влияние AlphaChip выходит за рамки Google, вызывая волну инноваций в проектировании чипов с помощью ИИ во всей полупроводниковой промышленности:

• Крупные игроки, такие как MediaTek, переняли и расширили возможности AlphaChip, чтобы ускорить разработку своих самых передовых чипов, включая Dimensity Flagship 5G, используемый в смартфонах Samsung.
• SEMI прогнозирует, что мировые расходы на оборудование для 300-мм фабрик могут достичь рекордных 400 миллиардов долларов в период с 2025 по 2027 год, что частично обусловлено растущим спросом на чипы ИИ в центрах обработки данных и периферийных устройствах — чипы, конструкции которых все чаще создаются с помощью ИИ.

Этот всплеск инвестиций отражает растущее признание потенциала ИИ в революционном преобразовании процессов проектирования и производства чипов.

Открытый исходный код и будущий потенциал

Google DeepMind выпустила исчерпывающие ресурсы с открытым исходным кодом для AlphaChip, позволяя исследователям и разработчикам изучать и развивать эту новаторскую технологию. Пакет с открытым исходным кодом включает в себя:

1. Репозиторий программного обеспечения, который полностью воспроизводит методы, описанные в оригинальной статье в журнале Nature.
2. Предварительно обученную контрольную точку модели, обученную на 20 блоках TPU.
3. Подробное руководство, объясняющее, как выполнить предварительное обучение с использованием репозитория с открытым исходным кодом.

Эти ресурсы доступны на GitHub, что позволяет сторонним исследователям предварительно обучать систему на различных блоках чипов и применять ее к новым разработкам.

Заглядывая в будущее, Google стремится к тому, чтобы AlphaChip оптимизировала каждый этап цикла проектирования чипов, от изучения компьютерной архитектуры до производства. Это может привести к разработке еще более быстрых, дешевых и энергоэффективных чипов для широкого спектра устройств, от смартфонов до медицинского оборудования и сельскохозяйственных датчиков.

Резюме и перспективы на будущее

Появление AlphaChip знаменует собой важную веху в развитии искусственного интеллекта и проектировании чипов. Система не только значительно ускоряет процесс проектирования, в частности floorplanning, но и обладает потенциалом для создания более качественных и эффективных чипов. Ожидается, что это развитие окажет глубокое влияние на многие отрасли, от бытовой электроники до автономных транспортных средств.

AlphaChip создает мощную петлю обратной связи: чипы, разработанные с помощью ИИ, позволяют создавать более продвинутые модели ИИ, которые, в свою очередь, могут разрабатывать еще лучшие чипы. Этот цикл может значительно ускорить прогресс как в проектировании чипов, так и в самом искусственном интеллекте.

По мере развития и распространения этой технологии будет интересно наблюдать, как она преобразует не только технологическую индустрию, но и нашу повседневную жизнь. Значение AlphaChip выходит за рамки производства чипов — это шаг к тому, чтобы ИИ играл фундаментальную роль в проектировании и разработке технологий будущего.