网站首页

星空官网产品中心

半岛智能终端处理器 半岛智能云服务器 半岛软件开发环境

星空官网新闻中心

关于我们星空官网

公司概况 核心优势 核心团队 发展历程

联系我们星空官网

官方微信 官方微博
星空官网 > 星空官网新闻中心

AI几小时设计芯片星空体育官方网站超越人类!谷歌AlphaChip登Nature已设计出三代旗舰TPU

发布时间:2024-09-27 20:53浏览次数: 来源于:网络

  星空体育官网【新智元导读】谷歌的AlphaChip,几小时内就能设计出芯片布局,直接碾压人类专家!这种超人芯片布局,已经应用在TPU、CPU在内的全球硬件中。人类设计芯片的方式,已被AI彻底改变。

  无论是设计最先进的用于构建AI模型的TPU,还是数据中心的CPU,它在相关的众多领域,都产生了广泛影响。

  在谷歌的许多款芯片设计中,它都取得了出色的效果,比如Axion芯片(一种基于Arm 的通用数据中心CPU)。

  也就是说,芯片布局设计对它来说是一种游戏,就像AlphaGo一样,它在游戏中,学习如何设计出最好的芯片布局。

  现在,它已经用于设计多代TPU芯片(TPU v5e、TPU v5p和Trillium)。而且跟人类专家相比,AlphaChip放置的块数越来越多,线长也减少了许多。

  早在2020年,团队就发表了一篇预印本论文星空体育官方网站,介绍了谷歌的全新强化学习方法,用于设计芯片布局。

  今天,团队发表了Nature附录,详细描述了具体方法,及其对芯片设计领域的影响。

  同时,他们还发布了一个预训练的检查点,分享了模型权重,公布模型名称为AlphaChip。

  谷歌表示,AlphaChip是最早用于解决现实世界工问题的强化学习方法之一。

  在数小时内,它就可以生成超人或类似的芯片布局,而不需要花费数周或数月的人类。它设计的芯片布局,已经被用于世界各地的芯片中,包括数据中心和移动电话。

  为了设计TPU布局,AlphaChip首先在来自前几代的各种芯片模块上进行实践,例如片上和片间网络模块、内存控制器和数据传输缓冲区。这一过程被称为预训练。

  然后,团队在当前的TPU模块上运行AlphaChip,以生成高质量的布局。

  与之前的方法不同,AlphaChip在解决更多芯片布局任务时变得更好、更快,类似于人类专家的工作方式。

  对于每一代新的TPU,包括谷歌最新的Trillium(第6代),AlphaChip都设计了更好的芯片布局,并提供了更多的总体布局图,从而加快了设计周期,产生了更高性能的芯片。

  条形图显示,跟TPU物理设计团队生成的布局相比,AlphaChip在TPU三代产品中的平均有线长度减少

  一般来说,计算机芯片有许多相互连接的模块、多层电路元件组成,所有这些部件都由纤细无比的导线连接起来。

  由于设计的复杂性星空体育官方网站,60多年来,芯片设计工程师一直在努力自动化芯片布局规划过程。

  众所周知,通过深度学习和博弈论,AlphaGo和AlphaZero逐渐从0掌握了围棋、国际象棋和将棋的潜在规则。

  从空白栅格开始,AlphaChip每次放置一个电路元件,直至放置完所有元件。

  一种全新的「基于边」的图神经网络让AlphaChip,能够学习相互连接的芯片元件之间的关系,并在芯片之间进行泛化,让AlphaChip在设计的每种布局中都有所改进。

  左图:动画显示AlphaChip在没有任何经验的情况下,将开源的Ariane RISC-V CPU置入。右图:动画显示AlphaChip在对20个TPU相关设计进行练习后,放置相同的块。

  值得一提的是,这项研究依旧是由Jeff Dean带队,所有核心要素全都浓缩在了这两页论文中。

  正如Nature论文(2021年),以及ISPD 2022后续研究中所讨论的那样,这种预训练过程显著提升了AI的速度、可靠性、布局的性能。

  顺便提一句,预训练也能培养出LLM,像Gemini、ChatGPT令人印象深刻的能力。

  开发者们可以使用这个库,对各种芯片进行预训练,然后将预训练的模型应用到新的块。

  基于最新的AlphaChip训练过程,研究人员在库中添加了预训练的20个TPU块模型检查点(checkpoint)。

  显然,如果不进行任何预训练,AlphaChip就无法从先前的经验中学习,从而规避了学习方面的问题。

  最终会趋于平稳,这代表着模型对其正在执行的任务有了尽可能多的了解,对外表现就是「收敛」。

  从训练到收敛,是机器学习的标准做法。如果不按照这个路径来,可能会损害模型的性能。

  AlphaChip的性能随应用的计算资源而扩展,在ISPD 2022论文中,谷歌团队曾进一步探讨了这一特性。

  正如Nature论文中所描述的,在对特定块进行微调时,使用了16个工作单元,每个单元由1个GPU和32个RL环境组成,通过多进程处理共享10个CPU。

  总言之,用较少的计算资源可能会损害性能,或者需要运行相当长的时间,才能实现相同(或更差)性能。

  在运行Nature论文中评估方法之前,团队使用了来自物理综合的近似初始布局,以解决hMETIS标准单元集群大小不平衡的问题。

  尽管如此,谷歌作者还是进行了一项消融研究,排除了任何初始布局的使用,并且也没有观察到AlphaChip性能下降。

  具体来说,他们跳过了单元集群重新平衡的一步,而是将hMETIS集群不平衡参数降低到最低设置(UBfactor = 1)。

  在Nature论文中,研究人员采用了10nm以下制程的TPU块进行实验得出的结果。

  这个技术节点的大小,正是现代芯片的典型尺寸。之前许多论文报告中,采用较早的45nm、12nm。

  比如,在10nm以下的芯片中,通常使用多重图案设计,这会在较低密度下导致布线拥堵的问题。

  因此星空体育官方网站,对于较早的技术节点尺寸,AlphaChip可能需要调整其奖励函数星空体育官方网站,以便更好地适应技术。

  自从2020年发布以来,AlphaChip已经生成了每一代谷歌TPU使用的超人芯片布局。

  可以说,正是因为它,才能使大规模放大基于Transformer架构的AI模型成为可能。

  无论是在Gemini这样的LLM星空体育官方网站,还是Imagen和Veo这样的图像和视频生成器中,TPU都位于谷歌强大的生成式AI系统的核心。

  另外,这些AI加速器也处于谷歌AI服务的核心,外部用户可以通过谷歌云获得服务。

  随着每一代TPU的发展,AlphaChip和人类专家之间的性能差距不断扩大。

  AlphaChip还为数据中心CPU(Axion)和谷歌尚未公布的其他芯片,生成了超越人类的布局设计。

  比如联发科就不仅用AlphaChip加速了最先进芯片的开发,还在功耗、性能和面积上对芯片做了优化。

  通过超人算法以及硬件、软件和机器学习模型的端到端协同优化,芯片设计的周期会显著加快,还会解锁性能的新领域。

下一篇:星空体育官方网站传美国将在年底前敲定对英特尔85亿美元《芯片法案》补贴
上一篇:2024年中国模拟芯片产业链图谱研究分析(附产业链全景图)

咨询我们

输入您的疑问及需求发送邮箱给我们