Google gebruikt AI om chips te ontwerpen die AI zullen versnellen

Categorie: Kunstmatige intelligentie Geplaatst 27 maart

Een nieuw algoritme voor het leren van versterking heeft geleerd om de plaatsing van componenten op een computerchip te optimaliseren om deze efficiënter en minder energieverslindend te maken.

3D Tetris: Chipplaatsing, ook wel chipvloerplanning genoemd, is een complex driedimensionaal ontwerpprobleem. Het vereist de zorgvuldige configuratie van honderden, soms duizenden componenten over meerdere lagen in een beperkt gebied. Traditioneel zullen ingenieurs handmatig configuraties ontwerpen die de hoeveelheid draad tussen componenten minimaliseren als een proxy voor efficiëntie. Vervolgens gebruiken ze elektronische ontwerpautomatiseringssoftware om hun prestaties te simuleren en te verifiëren, wat tot 30 uur kan duren voor een enkele plattegrond.

Tijdsvertraging: Vanwege de tijdsinvestering die in elk chipontwerp wordt gestoken, wordt traditioneel verondersteld dat chips tussen de twee en vijf jaar meegaan. Maar naarmate machine-learning-algoritmen snel zijn gevorderd, is ook de behoefte aan nieuwe chiparchitecturen toegenomen. In de afgelopen jaren hebben verschillende algoritmen voor het optimaliseren van chipvloerplanning geprobeerd het ontwerpproces te versnellen, maar ze waren beperkt in hun vermogen om te optimaliseren voor meerdere doelen, waaronder het stroomverbruik van de chip, de rekenprestaties en het gebied.

Intelligent ontwerp: Als antwoord op deze uitdagingen hebben Google-onderzoekers Anna Goldie en Azalia Mirhoseini een nieuwe aanpak gekozen : versterkend leren. Reinforcement-learning-algoritmen gebruiken positieve en negatieve feedback om gecompliceerde taken te leren. Dus ontwierpen de onderzoekers een zogenaamde beloningsfunctie om het algoritme te straffen en te belonen op basis van de prestaties van zijn ontwerpen. Het algoritme produceerde vervolgens tien- tot honderdduizenden nieuwe ontwerpen, elk binnen een fractie van een seconde, en evalueerde ze met behulp van de beloningsfunctie. In de loop van de tijd is het geconvergeerd tot een definitieve strategie om chipcomponenten op een optimale manier te plaatsen.

Geldigmaking: Na controle van de ontwerpen met de elektronische ontwerpautomatiseringssoftware, ontdekten de onderzoekers dat veel van de plattegronden van het algoritme beter presteerden dan die ontworpen door menselijke ingenieurs. Het leerde zijn menselijke tegenhangers ook enkele nieuwe trucs, aldus de onderzoekers.

Productielijn: Doorheen de geschiedenis van het veld is de vooruitgang in AI nauw verweven met de vooruitgang in het ontwerp van chips. De hoop is dat dit algoritme het chipontwerpproces zal versnellen en zal leiden tot een nieuwe generatie verbeterde architecturen, wat op zijn beurt de AI-vooruitgang zal versnellen.

Meld u aan voor onze Webby-genomineerde AI-nieuwsbrief The Algorithm om meer van dit soort verhalen rechtstreeks in uw inbox te ontvangen. Het is gratis.