設(shè)計(jì)一塊AI芯片有多難？

這么說(shuō)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(lái)說(shuō)，工程師們?cè)O(shè)計(jì)一塊芯片，少則需要幾周，多則好幾個(gè)月。

現(xiàn)在，AI生產(chǎn)力來(lái)了！

AI自己動(dòng)手，竟然用6小時(shí)就設(shè)計(jì)出一塊芯片。

最近，這項(xiàng)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(gè)晶體管，由它們組成的數(shù)千萬(wàn)個(gè)邏輯門(mén)就是標(biāo)準(zhǔn)單元，此外還有數(shù)千個(gè)存儲(chǔ)塊，稱(chēng)為宏塊。

確定它們的位置，也就是布局規(guī)劃，對(duì)芯片設(shè)計(jì)至關(guān)重要。

因?yàn)檫@直接關(guān)系到如何布線，進(jìn)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(shí)，為了給標(biāo)準(zhǔn)單元留出更多空間，每一次迭代都需要幾天或幾周時(shí)間。

△人類(lèi)設(shè)計(jì)和AI設(shè)計(jì)芯片的平面圖（灰色塊為宏塊）

完成整個(gè)布局，則要花費(fèi)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(qiáng)化學(xué)習(xí)，從之前的布局中進(jìn)行學(xué)習(xí)，然后生成新的設(shè)計(jì)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(wàn)個(gè)芯片布局，為了保證速度，研究人員設(shè)計(jì)了一種獎(jiǎng)勵(lì)機(jī)制，基于線路長(zhǎng)度和布線擁塞的近似代價(jià)函數(shù)進(jìn)行計(jì)算。

具體來(lái)說(shuō)，需要將宏和標(biāo)準(zhǔn)單元映射到一個(gè)平面畫(huà)布上，形成具有數(shù)百萬(wàn)到數(shù)十億節(jié)點(diǎn)的「芯片網(wǎng)表」。

然后，AI模型會(huì)對(duì)功率、性能和面積(PPA) 等進(jìn)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(gè)小矩形代表一個(gè)宏塊。在預(yù)訓(xùn)練策略中，中間留出了用于放置標(biāo)準(zhǔn)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(jì)時(shí)間，只需不到6小時(shí)，就能實(shí)現(xiàn)性能優(yōu)化的布局。

研究團(tuán)隊(duì)對(duì)不同策略下的布局效果進(jìn)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(shí)長(zhǎng)的效果對(duì)比可以看到，在訓(xùn)練2-12小時(shí)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(jìn)行測(cè)試，研究人員發(fā)現(xiàn)，隨著數(shù)據(jù)集規(guī)模的擴(kuò)大，生成布局的質(zhì)量和收斂時(shí)間的結(jié)果更優(yōu)。

谷歌表示，

這一方法適用于任何類(lèi)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