Google представила AlphaChip — метод обучения искусственного интеллекта с подкреплением для проектирования микросхем. Он обещает значительно ускорить проектирование плана кристалла, а также усовершенствовать чипы с точки зрения производительности, мощности и площади. Google использовала это решение при проектировании ИИ-ускорителей TPU (Tensor Processing Unit), применяли его и другие компании, включая MediaTek.
Источник изображений: Google
Проектный макет микросхемы или план кристалла является самым долгим и трудоёмким этапом разработки полупроводникового компонента. Synopsys, которая выпускает ПО для проектирования чипов, внедрила ИИ для решения этой задачи, но её продукт имеет очень высокую цену. Google решила демократизировать этот подход. В настоящий момент создание плана кристалла для сложной микросхемы, например, графического процессора, занимает около двух лет, если его разрабатывают люди. Менее сложные компоненты проектируются за несколько месяцев, но этот процесс сопряжён с миллионными затратами, поскольку крупные производители привлекают значительное число специалистов. AlphaChip, по утверждению Google, решает задачу за несколько часов. Более того, эта система выдаёт превосходный результат, оптимизированный по производительности и энергоэффективности. Google также продемонстрировала график, который показывает сокращение длины проводников в предыдущих версиях TPU и новом Trillium.
Основу механизма работы AlphaChip составляет модель обучения с подкреплением, при которой ИИ выполняет операцию в заранее заданной среде, изучает результаты и учится на этом опыте, чтобы повысить качество работы в будущем. В случае AlphaChip проектирование плана кристалла ИИ рассматривает как своего рода игру, за один ход которой на поле размещается один компонент схемы. Нейросеть помогает выстроить граф взаимосвязей между компонентами, и чем больше макетов создаёт система, тем выше качество её работы.
Google использует AlphaChip в разработке ИИ-ускорителей TPU с 2020 года — на них компания запускает крупномасштабные модели ИИ и облачные службы. На этих процессорах работают модели-трансформеры — эта архитектура используется в Gemini и Imagen. Система AlphaChip помогала совершенствовать схему каждого последующего поколения TPU, включая новейшие Trillium — она сокращала время разработки и обеспечивала более высокую производительность. Тем не менее, и Google, и MediaTek используют эту систему для ограниченного набора блоков, а значительную часть работы проделывает всё-таки человек.
Помимо Google TPU, AlphaChip использовалась при проектировании мобильных 5G-чипов MediaTek Dimensity, которые широко применяются в актуальных смартфонах. Система была предварительно обучена на широком ассортименте микросхем, говорят в Google, что позволяет ей генерировать все более эффективные макеты по мере проделанного объёма работы. Человек учится быстро, а ИИ — ещё быстрее.
Успех AlphaChip побудил Google продолжить внедрение ИИ на разных этапах проектирования микросхем, включая логический синтез, выбор макросов и оптимизацию по времени — Synopsys и Cadence предлагают это за большие деньги. Компания считает, что в перспективе AlphaChip можно будет применять на всём цикле разработки чипов от проектирования архитектуры до компоновки и производства — оптимизация при помощи ИИ поможет ускорить микросхемы, сделать их компактнее, энергоэффективнее и дешевле. В будущем решение будет использоваться не только для серверных ускорителей Google и мобильных платформ MediaTek. Разработка AlphaChip продолжается.