ИИ сможет сам проектировать микросхемы машинного обучения. Новый алгоритм Google делает это быстрее и эффективнее, чем люди. Подход планируют использовать для новой версии микросхем тензорного процессора Google, которые оптимизированы для вычислений ИИ.
Задача «планирования этажа»
В основе алгоритма Google лежит исследование «Методология размещения графов для быстрого проектирования микросхем», опубликованное в журнале Nature.
Исследователи использовали планы 10 тыс. чипов для обучения алгоритма. ИИ должен отличить хороший план от плохого, исходя из установленных параметров качества микросхем, а затем создать свой план.
Сложный аспект процесса проектирования – «планирование этажа микросхемы». Задача – максимально эффективно использовать пространство для размещения компонентов микросхемы.
Площадь микрочипа составляет от десятков до сотен квадратных миллиметров. Это пространство должно вместить тысячи компонентов: память, логические устройства и блоки обработки, а также многокилометровый ультратонкий провод для соединения этих компонентов.
Инженеры и дизайнеры используют программное обеспечение для автоматизированного проектирования чипов, но им могут потребоваться недели или месяцы, чтобы решить эту задачу.
Планы алгоритма проектирования микросхем Google выглядят иначе, чем планы, созданные человеком.
План, созданный человеком, находится слева, а созданный искусственным интеллектом – справа
Программа разработала планы этажей, в которых используется меньше места, проводов и электроэнергии менее чем за шесть часов.
Такой подход может ускорить разработку новых чипов и предложить более оптимальные решения компоновки, нежели ручное проектирование.
Перспективы
Инженеры Google отмечают, что алгоритм позволит компаниям быстрее изучить возможное «архитектурное пространство» для будущих проектов и упростит настройку микросхем для конкретных рабочих нагрузок.
На фото TPUv2, анонсированный в 2017 году
Если другим исследователям удастся протестировать алгоритм с другими наборами данных и типами микросхем, новое оборудование будет способствовать развитию ИИ и других отраслей – 5G сетей, автономных транспортных средств и т.д.
Редакция Nature называет исследование «важным достижением», и отмечает, что работа может помочь компенсировать прогнозируемый конец закона Мура – количество транзисторов на кристалле удваивается каждые два года. ИИ сможет найти ответ на вопрос, не как разместить все большее количество чипов, а как увеличить производительность микросхем.