谷歌推出 AlphaChip AI 辅助芯片设计技术——芯片布局就像电脑的游戏
本周,谷歌推出了用于设计芯片布局的 AlphaChip 强化学习方法。AlphaChip AI 有望大大加快芯片布局规划的设计,并使它们在性能、功耗和面积方面更加优化。强化学习方法现已与公众共享,在设计 Google 的张量处理单元 (TPU) 方面发挥了重要作用,并已被包括 MediaTek 在内的其他公司采用。
芯片设计布局或平面图传统上是芯片开发中时间最长、劳动强度最高的阶段。近年来,Synopsys 开发了 AI 辅助芯片设计工具,可以加速开发并优化芯片的布局规划。但是,这些工具非常昂贵。Google 希望在一定程度上使这种 AI 辅助芯片设计方法大众化。
如今,如果由人类完成,为 GPU 等复杂芯片设计平面图大约需要 24 个月。不太复杂的东西的平面规划可能需要几个月的时间,这意味着数百万美元的成本,因为设计团队通常相当重要。谷歌表示,AlphaChip 加快了这一时间表,可以在短短几个小时内创建芯片布局。此外,据说它的设计非常出色,因为它们优化了电源效率和性能。Google 还展示了一张图表,显示与人类开发人员相比,各种版本的 TPU 和 Trillium 的电线长度有所减少。
条形图显示了与 TPU 物理设计团队生成的布局相比,AlphaChip 在三代 Google 张量处理单元 (TPU) 中的平均线长缩短幅度。
(图片来源:谷歌)
AlphaChip 使用强化学习模型,其中代理在预设环境中采取行动,观察结果,并从这些经验中学习,以便在未来做出更好的选择。在 AlphaChip 的情况下,系统将 chip floorplanning 视为一种游戏,一次将一个 circuit 元件放置在空白网格上。该系统随着解决更多布局而改进,使用图形神经网络来理解组件之间的关系。
自 2020 年以来,AlphaChip 一直被用于设计 Google 自己的 TPU AI 加速器,这些加速器驱动着 Google 的许多大规模 AI 模型和云服务。这些处理器运行基于 Transformer 的模型,为 Google 的 Gemini 和 Imagen 提供支持。AlphaChip 改进了每一代 TPU 的设计,包括最新的第 6 代 Trillium 芯片,确保了更高的性能和更快的开发。尽管如此,Google 和 MediaTek 都依赖 AlphaChip 来制作有限的一组块,而人类开发人员仍然承担了大部分工作。
条形图显示了 AlphaChip 设计的芯片块在三代 Google 张量处理单元 (TPU) 中的数量,包括 v5e、v5p 和 Trillium。
(图片来源:谷歌)
到目前为止,AlphaChip 已被用于开发各种处理器,包括 Google 的 TPU 和联发科的天玑 5G 系统级芯片,这些处理器广泛用于各种智能手机。因此,AlphaChip 能够在不同类型的处理器中进行泛化。谷歌表示,它已经在各种芯片模块上进行了预训练,这使得 AlphaChip 能够在实践更多设计时生成越来越高效的布局。虽然人类专家可以学习,而且许多人学得很快,但机器的学习速度要高出几个数量级。
扩展 AI 在芯片开发中的应用
谷歌表示,AlphaChip 的成功激发了一波新的研究浪潮,将人工智能用于芯片设计的不同阶段。这包括将AI技术扩展到逻辑综合、宏选择和时序优化等领域,Synopsys和Cadence已经提供了这些技术,尽管需要很多钱。据谷歌称,研究人员还在探索如何将 AlphaChip 的方法应用于芯片开发的更进一步阶段。
评论