Google hävdar att dess AI är snabbare i chipdesign

Google påstår sig ha utvecklats en programvara för artificiell intelligens som kan utforma datorchips snabbare än människor. I en artikel som publicerades för några dagar sedan hävdar Google att ett chip som skulle ta människor månader att utforma kan föreställas av sin nya AI på mindre än sex timmar.

Artificiell intelligens har redan använts för att utveckla den senaste iterationen av marker Spännare Processing Unit (TPU) av Google, som används för att utföra uppgifter om artificiell intelligens, sa Google. Googles ingenjörer sa att förskottet kunde ha "stora konsekvenser" för halvledarindustrin.

I grund och botten handlar det om att ta reda på var komponenter som CPU- och GPU-kärnor och minne placeras mot varandra på chipet. Deras placering på dessa små kort är viktigt eftersom det påverkar chipets strömförbrukning och processhastighet. ledningar och signal routing krävs för att ansluta allt är av stor betydelse.

Googles ingenjörer Azalia Mirhoseini och Anna Goldie, tillsammans med sina kollegor, beskriver i sin publikation ett system för djupförstärkning som kan skapa "grundläggande mönster" på mindre än sex timmar, medan det ibland tar månader.

Med andra ord, Google använder artificiell intelligens för att designa marker som kan användas för att skapa ännu mer sofistikerade system för artificiell intelligens.

Liknande system kan också slå människor i komplexa spel som gå och schack. I dessa scenarier tränas algoritmerna för att flytta bitar som ökar dina chanser att vinna spelet, men i brick-scenen tränas AI för att hitta den bästa kombinationen av komponenter för att vara så effektiva som möjligt i spelet.

Neurala nätverket använder också vissa tekniker som en gång ansågs av halvledarindustrin, men övergavs som återvändsgränd. Enligt artikeln fick det artificiella intelligenssystemet 10.000 XNUMX ritningar för marker för att "lära sig" vad som fungerar och vad som inte fungerar.

"Vår strategi har använts för att utforma nästa generation av Googles AI-acceleratorer och har potential att spara tusentals timmar av mänsklig insats för varje ny generation", skrev ingenjörerna. "I slutändan tror vi att kraftfullare AI-designad hårdvara kommer att driva utvecklingen av AI och skapa ett symbiotiskt förhållande mellan de två fälten."

Enligt artikeln, när man utformar en mikroprocessor eller en arbetsbelastningsaccelerator, är det vanligtvis nödvändigt att definiera hur dess delsystem fungerar på ett högnivåspråk, som VHDL, SystemVerilog eller kanske till och med Mejsel.

Denna kod kommer så småningom att översättas till vad som kallas en netlista, som beskriver hur en uppsättning makroblock och standardceller måste anslutas med ledningar för att utföra chipets funktioner.

Standardceller innehåller grundläggande element som logikgrindar NAND och NORmedan makroblock innehåller en uppsättning standardceller eller andra elektroniska komponenter som är avsedda att utföra en speciell funktion, såsom att tillhandahålla on-chip-minne eller en processorkärna. Därför är makroblocken mycket större än standardceller.

Då måste du välja hur du ordnar den här listan över celler och makroblock på chipet. Enligt Googles anställda kan det ta mänskliga ingenjörer veckor eller till och med månader att arbeta med specialiserade verktyg för chipdesign och itera många gånger för att få en optimerad plan baserad på behov av strömförbrukning, timing, hastighet etc.

Vad som vanligtvis händer i denna process är att platsen för de stora makroblocken måste ändras när designen utvecklas. Och sedan måste du låta de automatiska verktygen, som använder ointelligenta algoritmer, släppa i mängden mindre standardceller och sedan rengöra och upprepa tills du är klar, säger doktorn.

För att påskynda detta steg med schematisk design har Googles specialister på artificiell intelligens skapat ett fackligt neuralt nätverkssystem som utför makroblockering på egen hand på några timmar för att uppnå en optimal design.

Standardceller placeras automatiskt i tomma utrymmen av annan programvara, enligt artikeln. Detta maskininlärningssystem ska kunna producera ett idealiskt diagram mycket snabbare och bättre än metoden för mänskliga ingenjörer med traditionella automatiserade verktyg i branschen, förklarade Googles anställda i sin artikel.

Fuente: https://www.theregister.com/


Bli först att kommentera

Lämna din kommentar

Din e-postadress kommer inte att publiceras. Obligatoriska fält är markerade med *

*

*

  1. Ansvarig för uppgifterna: Miguel Ángel Gatón
  2. Syftet med uppgifterna: Kontrollera skräppost, kommentarhantering.
  3. Legitimering: Ditt samtycke
  4. Kommunikation av uppgifterna: Uppgifterna kommer inte att kommuniceras till tredje part förutom enligt laglig skyldighet.
  5. Datalagring: databas värd för Occentus Networks (EU)
  6. Rättigheter: När som helst kan du begränsa, återställa och radera din information.