設(shè)計一塊AI芯片有多難？

這么說吧，圍棋的復(fù)雜度10360，而芯片則是102500，你感受一下……

△圍棋的復(fù)雜度

一般來說，工程師們設(shè)計一塊芯片，少則需要幾周，多則好幾個月。

現(xiàn)在，AI生產(chǎn)力來了！

AI自己動手，竟然用6小時就設(shè)計出一塊芯片。

最近，這項谷歌的研究登上了Nature雜志。

小小的一塊芯片包括了數(shù)十億個晶體管，由它們組成的數(shù)千萬個邏輯門就是標準單元，此外還有數(shù)千個存儲塊，稱為宏塊。

確定它們的位置，也就是布局規(guī)劃，對芯片設(shè)計至關(guān)重要。

因為這直接關(guān)系到如何布線，進而影響著芯片的處理速度和電源效率。

但是，光是放置宏塊這一步就非常耗時，為了給標準單元留出更多空間，每一次迭代都需要幾天或幾周時間。

△人類設(shè)計和AI設(shè)計芯片的平面圖（灰色塊為宏塊）

完成整個布局，則要花費數(shù)周甚至數(shù)月。

現(xiàn)在，谷歌的研究人員提出了一種具有泛化能力的芯片布局方法。

它能夠基于深度強化學(xué)習(xí)，從之前的布局中進行學(xué)習(xí)，然后生成新的設(shè)計方案。整體結(jié)構(gòu)是這樣的：

由于AI模型需要學(xué)習(xí)10萬個芯片布局，為了保證速度，研究人員設(shè)計了一種獎勵機制，基于線路長度和布線擁塞的近似代價函數(shù)進行計算。

具體來說，需要將宏和標準單元映射到一個平面畫布上，形成具有數(shù)百萬到數(shù)十億節(jié)點的「芯片網(wǎng)表」。

然后，AI模型會對功率、性能和面積(PPA) 等進行優(yōu)化，并且輸出概率分布。

下圖分別是零樣本生成和基于預(yù)訓(xùn)練策略微調(diào)的效果，其中每個小矩形代表一個宏塊。在預(yù)訓(xùn)練策略中，中間留出了用于放置標準單元的空間。

與其他方法相比，谷歌的新方法大大減少了設(shè)計時間，只需不到6小時，就能實現(xiàn)性能優(yōu)化的布局。

研究團隊對不同策略下的布局效果進行了可視化展示，從圖中可以看到，預(yù)訓(xùn)練策略微調(diào)的結(jié)果要明顯優(yōu)于零樣本生成。

并且，從不同訓(xùn)練時長的效果對比可以看到，在訓(xùn)練2-12小時的情況下，預(yù)訓(xùn)練策略要優(yōu)于零樣本生成。

在不同規(guī)模的數(shù)據(jù)集上進行測試，研究人員發(fā)現(xiàn)，隨著數(shù)據(jù)集規(guī)模的擴大，生成布局的質(zhì)量和收斂時間的結(jié)果更優(yōu)。

谷歌表示，

這一方法適用于任何類型的芯片。

目前已經(jīng)被用于生產(chǎn)下一代Google TPU（加速器芯片）。

參考鏈接：

https://www.nature.com/articles/s41586-021-03544-w

https://www.nature.com/articles/d41586-021-01515-9

https://ai.googleblog.com/2020/04/chip-design-with-deep-reinforcement.html

https://arxiv.org/abs/2004.10746