智东西(公众号:zhidxcom)

文 | 心缘

智东西4月24日,谷歌用人工智能(AI)设计芯片又有新进展!在昨日新发布的预印本论文中,谷歌团队描述了一种深度强化学习方法,能在6小时内完成芯片布局设计,而完成相同设计步骤,人类专家往往要花费数周时间

人工智能的快速发展得益于计算机系统和硬件的显著进步,但随着摩尔定律趋缓,世界需要新的硬件架构来满足指数级增长的算力需求。

然而,芯片通常需要数年的时间来设计,芯片设计专家不得不预测未来2-5年的机器学习(ML)模型对芯片的需求,大幅缩短芯片设计周期将使硬件更好地适应快速发展的人工智能领域

谷歌研究人员相信,AI将提供缩短芯片设计周期的手段,在硬件和AI之间建立一种共生关系,彼此推动彼此的进步。

与原有方法不同,谷歌的新算法能从过去的经验中学习,并随着时间的推移而改进。特别是当训练更多芯片块(block)时,其算法能快速地为以前从未见过的芯片块生成优化的设计。

研究人员表示,相较当前最高水平的基线,这一方法可以使真正的AI加速器(谷歌TPUs)达到更好的功率、性能和面积(PPA)。

这项研究适用于任何芯片布局优化,如果该技术可公开使用,那么它将使现金短缺的初创公司能够开发自己的芯片用于AI和其他专门用途。它还可以帮助缩短芯片设计周期,从而使硬件更好地适应快速发展的研究。

该研究的论文题目为《芯片布局与深度强化学习 (Chip Placement with Deep Reinforcement Learning)》,Azalia Mirhoseini和Anna Goldie为共同作者。

论文链接:https://arxiv.org/pdf/2004.10746.pdf

一、攻克芯片设计最耗时的环节

在芯片设计中,全局布线是最复杂和耗时的阶段之一,需要在日益复杂的电路中进行多目标优化。

在这项新研究中,研究人员提出了一种基于深度强化学习的芯片布局方法,目标是将宏(如SRAM)和标准单元(逻辑门,如NAND、NOR和XOR)的网表节点映射到一个芯片画布(一个有界的2D空间)上,从而优化功率、性能和面积(PPA),同时遵守对布局密度和布线拥塞的约束。

这些网表图的大小范围,从数百万到数十亿个节点不等,通常评估目标指标需要数小时到一天的时间。尽管对芯片布局问题已研究几十年,人类专家仍然需要用现有的布局工具迭代数周,才能产生满足多方面设计标准的解决方案。

为了破解这一挑战,谷歌研究人员提出将芯片布局视为一个增强学习(RL)问题。研究人员称,这是第一个具有泛化能力的芯片布局方法

(责任编辑:海澄棋牌)

本文地址:http://www.canopiesandtops.com/gonganxinxi/2020/1017/2682.html

上一篇:AI 加码新基建,「中国数谷」缘何选中依图? 下一篇:科技赋能,人人贷助力普惠金融生态不断完善

发表评论

您的电子邮件地址不会被公开。必填字段已标记*