- 2020'de çip yerleşimi tasarlamak için yeni bir pekiştirmeli öğrenme yöntemi tanıtan bir preprint yayımlandı
- Bu yöntem daha sonra Nature'da yayımlandı ve açık kaynak olarak sunuldu
- Bugün, bu yöntemi ve çip tasarımı alanı üzerindeki etkisini ayrıntılı olarak açıklayan bir Nature ek yazısı yayımlıyoruz
- Ayrıca önceden eğitilmiş checkpoint'leri yayımlıyor, model ağırlıklarını paylaşıyor ve AlphaChip adını duyuruyoruz
- Bilgisayar çipleri, yapay zekadaki etkileyici ilerlemeleri mümkün kıldı ve AlphaChip, çip tasarımını hızlandırmak ve optimize etmek için yapay zekadan yararlanıyor
- Bu yöntem, Google'ın özel yapay zeka hızlandırıcısı Tensor Processing Unit (TPU)'nun son üç neslinde insanüstü çip yerleşimleri tasarlamak için kullanıldı
- AlphaChip, gerçek mühendislik problemlerini çözmekte kullanılan ilk pekiştirmeli öğrenme yaklaşımlarından biri
- Haftalar ya da aylar süren insan emeği yerine, saatler içinde insanüstü ya da benzer düzeyde çip yerleşimleri üretiyor; bu yerleşimler dünya çapında veri merkezlerinden cep telefonlarına kadar çeşitli çiplerde kullanılıyor
AlphaChip nasıl çalışır
- Çip yerleşimi tasarlamak basit bir iş değil
- Bilgisayar çipleri, birbirine bağlı çok sayıda bloktan oluşur ve bunlar hem devre bileşenleri hiyerarşisiyle hem de çok ince kablolarla birbirine bağlanır
- Aynı anda karşılanması gereken karmaşık ve iç içe geçmiş çok sayıda tasarım kısıtı da vardır
- Bu karmaşıklık nedeniyle, çip tasarımcıları 60 yıldan uzun süredir çip floorplanning sürecini otomatikleştirmekte zorlanıyor
- AlphaGo ve AlphaZero'ya benzer şekilde, AlphaChip'i çip floorplanning'e bir tür oyun olarak yaklaşacak şekilde geliştirdik
- Boş bir ızgaradan başlayarak AlphaChip, her seferinde bir devre bileşeni yerleştirir ve tüm bileşenler yerleştirilene kadar bunu tekrarlar
- Ardından nihai yerleşimin kalitesine göre ödül alır
- Yeni bir "edge-based" graph neural network sayesinde AlphaChip, birbirine bağlı çip bileşenleri arasındaki ilişkileri öğrenebilir ve bunları çip genelinde genelleyebilir; böylece tasarladığı her yerleşimle kendini geliştirebilir
Yapay zeka kullanarak Google'ın yapay zeka hızlandırıcı çiplerini tasarlamak
- AlphaChip, 2020'de duyurulmasından bu yana Google'ın tüm TPU nesillerinde kullanılan insanüstü çip yerleşimleri üretiyor
- Bu çipler, Google'ın Transformer mimarisine dayanan büyük ölçekli yapay zeka modellerini mümkün kılıyor
- TPU, Gemini gibi büyük dil modellerinden Imagen ve Veo gibi görüntü ve video üreticilerine kadar güçlü üretken yapay zeka sistemlerinin merkezinde yer alıyor
- Bu yapay zeka hızlandırıcıları, Google'ın yapay zeka hizmetlerinin de temelini oluşturuyor ve Google Cloud üzerinden dış kullanıcılara sunuluyor
- TPU yerleşimlerini tasarlamak için AlphaChip önce çip içi ve çipler arası ağ blokları, bellek denetleyicileri ve veri aktarım tamponları gibi önceki nesillerden çeşitli çip blokları üzerinde pratik yapıyor; buna ön eğitim deniyor
- Ardından yüksek kaliteli yerleşimler üretmek için mevcut TPU blokları üzerinde AlphaChip çalıştırılıyor
- Önceki yaklaşımların aksine AlphaChip, insan uzmanlara benzer şekilde, daha fazla çip yerleştirme görevi örneğini çözdükçe daha iyi ve daha hızlı hale geliyor
- AlphaChip, en yeni Trillium (6. nesil) dahil her yeni TPU nesli için daha iyi çip yerleşimleri tasarladı ve genel floorplan'in daha büyük bölümünü sağlayarak tasarım döngüsünü hızlandırdı ve daha yüksek performanslı çipler üretilmesini sağladı
AlphaChip'in geniş etkisi
- AlphaChip'in etkisi, Alphabet, araştırma topluluğu ve çip tasarımı endüstrisi genelindeki uygulamalarda görülebilir
- TPU gibi özel yapay zeka hızlandırıcılarının tasarımının ötesinde AlphaChip, Alphabet genelindeki diğer çipler için de yerleşimler üretiyor; buna Google'ın ilk Arm tabanlı genel amaçlı veri merkezi CPU'su olan Axion işlemcisi de dahil
- Dış kuruluşlar da AlphaChip'i benimsiyor ve onun üzerine inşa ediyor; örneğin dünyanın önde gelen çip tasarım şirketlerinden MediaTek, Samsung telefonlarında kullanılan Dimensity Flagship 5G gibi en gelişmiş çiplerin geliştirilmesini hızlandırırken güç, performans ve çip alanını iyileştirmek için AlphaChip'i genişletti
- AlphaChip, çip tasarımı için yapay zeka çalışmalarında patlama başlattı ve bu yaklaşım mantık sentezi ve makro seçimi gibi çip tasarımının diğer önemli aşamalarına da yayıldı
Geleceğin çiplerini üretmek
- AlphaChip'in bilgisayar mimarisinden üretime kadar çip tasarım döngüsünün tüm aşamalarını optimize etme potansiyeline sahip olduğuna inanıyoruz
- Akıllı telefonlar, tıbbi cihazlar ve tarım sensörleri gibi günlük cihazlarda bulunan özel donanımların çip tasarımını dönüştürebilir
- AlphaChip'in gelecekteki sürümleri şu anda geliştiriliyor ve bu alanda yeniliği sürdürmek, ayrıca çiplerin daha hızlı, daha ucuz ve daha enerji verimli olduğu bir gelecek yaratmak için toplulukla iş birliği yapmayı umuyoruz
GN⁺ görüşü
- AlphaChip'in yapay zeka tabanlı yaklaşımı, çip tasarımı alanında devrim yaratıyor. Özellikle çip yerleşimi tasarım sürecini otomatikleştirmede büyük ilerleme sağladı
- AlphaChip, gerçek mühendislik problemlerine pekiştirmeli öğrenmenin uygulandığı ilk örneklerden biri ve bu da yapay zekanın gerçek dünyada nasıl kullanılabileceğini gösteren iyi bir örnek
- AlphaChip'in TPU tasarımı üzerindeki etkisi, yapay zeka hızlandırıcı donanımının gelişiminde önemli bir kilometre taşı olacak. Daha iyi yapay zeka hızlandırıcıları, daha güçlü yapay zeka modellerini mümkün kılacak; bu da yapay zeka ilerlemesini daha da hızlandıracak
- Ancak yapay zeka tasarım araçlarına aşırı bağımlılık, insan tasarımcıların uzmanlığının kaybolmasına yol açabilir. Uzun vadede en arzu edilen yaklaşım, yapay zeka ile insan uzmanların iş birliği olacaktır
- Benzer yapay zeka tabanlı tasarım araçları arasında Cadence'in Cerebus'u ve Synopsys'in DSO.ai'ı bulunuyor. Önümüzdeki dönemde yapay zeka tabanlı tasarım otomasyonu araçları arasındaki rekabetin sertleşmesi bekleniyor
1 yorum
Hacker News görüşleri