请选择 进入手机版 | 继续访问电脑版

石家庄老站长

点击联系客服
客服QQ:509006671 客服微信:mengfeiseo
 找回密码
 立即注册
查看: 5|回复: 0

谷歌让AI芯片学习“生孩子” 新一代TPU由AI自行设计

[复制链接]

1

主题

1

帖子

-7

积分

限制会员

积分
-7
发表于 5 天前 | 显示全部楼层 |阅读模式
编辑:这篇文章出自微信公众号《双边委》(ID:QbitAI),作者:月石日,

设计AI芯片有多难?

围棋的复杂度是10360,筹码是102500。感受一下。





围棋的复杂性

一般来说,工程师设计芯片,少则需要几周,多则需要几个月。

好了,AI生产力来了!

AI自己动手,竟然在6个小时内设计了一块芯片。

最近,该谷歌的研究发表在《自然》杂志上。





布局时间缩短数倍

小芯片包含数十亿个晶体管,数千万个逻辑门是标准单元,还有数千个存储块,称为宏块。

决定位置,即布局计划,对芯片设计至关重要。

这与电缆连接方法直接相关,因此会影响芯片的处理速度和电源效率。

但是,只要放置宏块的步骤就需要很长时间,因此,要在世界单位中腾出更多空间,每次迭代需要几天或几周。





人类设计和AI设计芯片的平面图(灰色块为宏块)

完成整个部署需要几周或几个月。

目前,谷歌的研究人员提出了具有泛化能力的芯片部署方法。

可以根据深度加强学习,从以前的布局中学习,然后创建新的设计方案。整体结构是这样的。





AI模型需要学习10万个芯片布局,因此为了保证速度,研究人员设计了根据线路长度和电缆停滞的大致成本函数计算的补偿机制。





特别是,需要将宏和标准单位映射到平面画布上,形成具有数百万到数十亿个节点的“芯片网络表”。

然后,AI模型优化功率、性能和面积(PPA)等,并进行输出概率分布。

下图分别是0样本生成和事前训练战略下的微调效果。每个小方块代表一个宏块。在事前训练战略中,中间有放置标准单位的空间。





谷歌的新方法与其他方法相比,大大缩短了设计时间,提供了在6小时内优化性能的布局。





谷歌:效果不错,已经用上了

研究组在不同的战略中直观地展示了布局效果,如图所示,事前训练战略微调的结果远远优于0样本生成。





另外,不同训练时间的效果比较表明,在2-12个小时内,事前训练战略优于0样本生成。





对不同规模的数据集进行测试后,研究人员发现,随着数据集规模的扩大,生成布局质量和收敛时间的结果会更好。








谷歌公司

这种方法适用于所有类型的芯片。

目前正在用于生产下一代Google  TPU(加速器芯片)。





参考链接:

https://www  . nature.com/articles/s  41586-021-03544-w  3359 www  . nature.com/articles/d  41586
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|无图版|手机版|小黑屋|石家庄@IT精英团

GMT+8, 2021-6-15 17:28 , Processed in 0.582781 second(s), 25 queries .

Powered by Discuz! X3.4

© 2001-2021 Comsenz Inc.

快速回复 返回顶部 返回列表