Google bruger AI til at designe chips, der vil accelerere AI

Kategori: Kunstig intelligens Udsendt 27. marts

En ny forstærkningsindlæringsalgoritme har lært at optimere placeringen af ​​komponenter på en computerchip for at gøre den mere effektiv og mindre strømkrævende.

3D Tetris: Spånplacering, også kendt som spångulvsplanlægning, er et komplekst tredimensionelt designproblem. Det kræver omhyggelig konfiguration af hundredvis, nogle gange tusindvis, af komponenter på tværs af flere lag i et begrænset område. Traditionelt vil ingeniører manuelt designe konfigurationer, der minimerer mængden af ​​ledninger, der bruges mellem komponenter som en proxy for effektivitet. De bruger derefter elektronisk designautomatiseringssoftware til at simulere og verificere deres ydeevne, hvilket kan tage op til 30 timer for en enkelt plantegning.

Tidsforsinkelse: På grund af den tidsinvestering, der er lagt i hvert chipdesign, formodes chips traditionelt at holde mellem to og fem år. Men efterhånden som maskinlæringsalgoritmer har udviklet sig hurtigt, er behovet for nye chiparkitekturer også accelereret. I de senere år har adskillige algoritmer til optimering af spångulvsplanlægning forsøgt at fremskynde designprocessen, men de har været begrænset i deres evne til at optimere på tværs af flere mål, herunder chippens strømforbrug, beregningsmæssige ydeevne og areal.

Intelligent design: Som svar på disse udfordringer, Google-forskere Anna Goldie og Azalia Mirhoseini tog en ny tilgang : forstærkende læring. Forstærkningslæringsalgoritmer bruger positiv og negativ feedback til at lære komplicerede opgaver. Så forskerne designet, hvad der er kendt som en belønningsfunktion for at straffe og belønne algoritmen i henhold til dens designs ydeevne. Algoritmen producerede derefter titusinder til hundredtusindvis af nye designs, hver inden for en brøkdel af et sekund, og evaluerede dem ved hjælp af belønningsfunktionen. Med tiden konvergerede det om en endelig strategi for at placere chipkomponenter på en optimal måde.

Validering: Efter at have kontrolleret designs med den elektroniske designautomatiseringssoftware fandt forskerne ud af, at mange af algoritmens plantegninger fungerede bedre end dem, der var designet af menneskelige ingeniører. Det lærte også sine menneskelige modstykker nogle nye tricks, sagde forskerne.

Produktionslinie: Igennem feltets historie har fremskridt inden for kunstig intelligens været tæt forbundet med fremskridt inden for chipdesign. Håbet er, at denne algoritme vil fremskynde chipdesignprocessen og føre til en ny generation af forbedrede arkitekturer, der til gengæld accelererer AI-fremme.

For at få flere historier som denne leveret direkte til din indbakke, tilmeld dig vores Webby-nominerede AI-nyhedsbrev The Algorithm. Det er gratis.