Google-მა წარადგინა ხელოვნური ინტელექტის გამოყენებით მიკროსქემების პროექტირების ტექნოლოგია AlphaChip

[Magdalena]

Google-მა წარმოადგინა AlphaChip, ხელოვნური ინტელექტის სწავლების მეთოდი ჩიპების პროექტირებისთვის. მისი მიზანია მნიშვნელოვნად დაჩქარდეს ჩიპების დაპროექტება, ასევე გაუმჯობესდეს ჩიპები წარმადობის, სიმძლავრის და ფართობის თვალსაზრისით. Google-მა გამოიყენა ეს გამოსავალი TPU (Tensor Processing Unit) AI ამაჩქარებლების დაპროექტების დროს, მას მიბაძეს სხვა კომპანიებმაც, მათ შორის MediaTek-მა. 

 

ფოტოს წყარო: Google 

ჩიპის საპროექტო მაკეტის ან კრისტალის დიზაინის გეგმის შემუშავება არის ყველაზე გრძელი და შრომატევადი ეტაპი ნახევრადგამტარი კომპონენტის შემუშავებაში. Synopsys-მა, რომელიც აწარმოებს ჩიპების პროექტირების პროგრამულ უზრუნველყოფას, დანერგა ხელოვნური ინტელექტი ამ პრობლემის გადასაჭრელად, მაგრამ მისი პროდუქტი ძალიან ძვირია. Google-მა გადაწყვიტა ამ მიდგომის დემოკრატიზაცია. ამჟამად ისეთი რთული ჩიპისთვის, როგორიცაა GPU, გეგმის შექმნას დაახლოებით ორი წელი სჭირდება, თუ ის შექმნილია ადამიანების მიერ. ნაკლებად რთული კომპონენტების დაპროექტება შესაძლებელია რამდენიმე თვეში, მაგრამ პროცესი მოიცავს მილიონობით ხარჯს, რადგან მსხვილ მწარმოებლებში დასაქმებულია სპეციალისტების მნიშვნელოვანი რაოდენობა. AlphaChip, Google-ის თქმით, პრობლემას რამდენიმე საათში აგვარებს. უფრო მეტიც, ეს სისტემა იძლევა მაღალ შედეგებს, ოპტიმიზებულია წარმადობისა და ენერგოეფექტურობისთვის. Google-მა ასევე წარმოადგინა გრაფიკი, რომელიც აჩვენებს გამტარის სიგრძის შემცირებას TPU-ის წინა ვერსიებსა და ახალ Trillium-ში. 

 

 

 

AlphaChip ეფუძნება გაძლიერებული სწავლების მოდელს, რომელშიც ხელოვნური ინტელექტი ასრულებს ოპერაციას წინასწარ განსაზღვრულ გარემოში, იკვლევს შედეგებს და სწავლობს გამოცდილებიდან, რათა გააუმჯობესოს სამუშაოს ხარისხი მომავალში. AlphaChip-ის შემთხვევაში ხელოვნური ინტელექტი განიხილავს კრისტალის დაპროექტების გეგმას, როგორც ერთგვარ თამაშს - თითო სვლაზე ფართობზე თავსდება მიკროსქემის ერთი კომპონენტი. ნეიროქსელი ეხმარება კომპონენტებს შორის ურთიერთობების გრაფიკის აგებას და რაც უფრო მეტ განლაგებას ქმნის სისტემა, მით უფრო მაღალია მისი მუშაობის ხარისხი. 

Google იყენებს AlphaChip-ს TPU AI-ამაჩქარებლების შესაქმნელად 2020 წლიდან - კომპანია უშვებს ფართომასშტაბიან AI-მოდელებს და ქლაუდ სერვისებს. ამ პროცესორებზე მუშაობენ მოდელი-ტრანსფორმატორები - ეს არქიტექტურა გამოიყენება Gemini-სა და Imagen-ში. AlphaChip-ის სისტემამ ხელი შეუწყო ყოველი მომდევნო თაობის TPU-ების დიზაინის გაუმჯობესებას უახლესი Trillium-ის ჩათვლით, იგი ამცირებს შემუშავების დროს და უზრუნველყოფს უფრო მაღალ წარმადობას. თუმცა, Google და MediaTek ამ სისტემას იყენებენ ბლოკების შეზღუდული ნაკრებისთვის და სამუშაოს მნიშვნელოვან ნაწილს მაინც ადამიანები ასრულებენ. 

 

 

 

Google TPU-ის გარდა AlphaChip გამოიყენებოდა მობილური MediaTek Dimensity 5G ჩიპების შემუშავებისას, რომლებიც ფართოდ გამოიყენება აქტუალურ სმარტფონებში. Google-ის თქმით სისტემა წინასწარაა განსწავლილი ჩიპების ფართო სპექტრის საფუძველზე, რაც საშუალებას აძლევს მას შექმნას უფრო ეფექტური განლაგება. ადამიანები სწრაფად სწავლობენ, ხოლო ხელოვნური ინტელექტი - კიდევ უფრო სწრაფად. 

AlphaChip-ის წარმატებამ ხელი შეუწყო Google-ს, გააგრძელოს ხელოვნური ინტელექტის დანერგვა ჩიპების დაპროექტების სხვადასხვა ეტაპზე, მათ შორისაა ლოგიკური სინთეზი, მაკროსების შერჩევა და დროის ოპტიმიზაცია - რასაც Synopsys და Cadence გვთავაზობენ უფრო დიდ ფასად. კომპანიას მიაჩნია, რომ მომავალში AlphaChip შეიძლება გამოყენებულ იქნას ჩიპების განვითარების მთელი ციკლის განმავლობაში, არქიტექტურული დიზაინიდან - აწყობასა და წარმოებამდე - ხელოვნური ინტელექტის გამოყენებით ოპტიმიზაცია დაეხმარება ჩიპების შემუშავების დაჩქარებას, გახდის მათ უფრო კომპაქტურს, ენერგოეფექტურს და იაფს. მომავალში ასეთი გამოსავალი გამოყენებული იქნება არა მხოლოდ Google-ის სასერვერო ამაჩქარებლებისა და MediaTek-ის მობილური პლატფორმებისთვის. AlphaChip-ის განვითარება გრძელდება. 

https://tinyurl.com/en9mke52