AI几小时设计芯片超越人类！谷歌AlphaChip登Nature，已设计出三代旗舰TPU

41 0 0

文章摘要

谷歌DeepMind推出了一款名为AlphaChip的AI系统，它能够利用强化学习原理，在数小时内设计出与人类专家水平相当或更优的芯片布局。AlphaChip的应用范围广泛，包括用于构建AI模型的TPU和数据中心的CPU设计。它已经在谷歌多代TPU芯片设计中得到应用，如TPU v5e、TPU v5p和Trillium，相较于人类专家，它放置的块数更多，线长也有所减少。

谷歌对AlphaChip的研究始于2020年，当时发表了一篇预印本论文，介绍了用于设计芯片布局的全新强化学习方法。2021年，这项工作发表在Nature上，并进行了开源。此后，谷歌不断对AlphaChip进行改进，并在Nature附录中详细描述了其具体方法及其对芯片设计领域的影响。同时，谷歌还发布了预训练的检查点和模型权重，并公布了模型名称为AlphaChip。

AlphaChip的设计过程类似于AlphaGo，将芯片布局规划视为一种游戏，从空白栅格开始，逐步放置电路元件。它采用了一种基于边的图神经网络，能够学习芯片元件之间的相互关系，并在设计中不断改进。AlphaChip在设计TPU布局时，会先在前几代芯片模块上进行预训练，然后在当前TPU模块上生成高质量的布局。

AlphaChip的设计过程涉及到强化学习，它通过解决更多芯片布局问题来提升速度和性能。谷歌还开源了一个软件库，允许开发者对各种芯片进行预训练，并将预训练模型应用于新块。AlphaChip的性能随着计算资源的增加而扩展，谷歌团队在ISPD 2022论文中探讨了这一特性。

在基准测试中，AlphaChip采用了10nm以下制程的TPU块进行实验，这是现代芯片的典型尺寸。对于较早的技术节点尺寸，AlphaChip可能需要调整其奖励函数以适应技术。

AlphaChip自2020年发布以来，已经生成了每一代谷歌TPU使用的超人芯片布局，使得大规模放大基于Transformer架构的AI模型成为可能。谷歌的三代旗舰TPU芯片已经在世界各地的数据中心中制造和部署。随着每一代TPU的发展，AlphaChip和人类专家之间的性能差距不断扩大。

谷歌对未来的展望是，AI将实现芯片设计全流程的自动化，通过超人算法以及硬件、软件和机器学习模型的端到端协同优化，显著加快芯片设计周期，并解锁性能的新领域。谷歌期待与社区合作，实现AI芯片以及芯片AI之间的闭环。