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

AIGC动态1个月前发布 AIera
289 0 0
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

 

文章摘要


【关 键 词】 AI芯片强化学习芯片设计预训练模型自动化

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。

豆包-智能助手

原文和模型


【原文链接】 阅读原文 [ 2531字 | 11分钟 ]
【原文作者】 新智元
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★

© 版权声明

相关文章

暂无评论

暂无评论...