江苏龙网

  1. 首页 > 资讯 > 科技 > >

「DeepTech深科技」谷歌又一野心浮现：用AI“反哺”芯片设计( 二 )


「DeepTech深科技」谷歌又一野心浮现：用AI“反哺”芯片设计
本文插图

图丨和此前 AlphaGo 下棋类似 ， AI 还教给人类一些新颖的设计方法（来源：谷歌）
谷歌展示的芯片设计布局布线任务中 ， 强化学习算法可以用来确定构成芯片操作的电路在芯片中的布局 ， 类似于设计建筑物的平面图 。 Dean 在演讲中称 ， 相比人类设计师 6 至 8 周内找到的解决方案 ， 算法 24 小时就能实现 ， 而且算法的设计成功减少了芯片所需的总布线 ， 从而提高了效率 。
而就在 Dean 在 ISSCC 上公开进展之后不久 ， 谷歌大脑团队使用 AI 进行芯片布局的一篇相关研究论文也在 ArXiv 上公布 。 值得一提的是 ， 这篇论文的作者、谷歌团队的高级研究科学家Azalia Mirhoseini ， 她也因为在用 AI 设计芯片上的工作 ， 入选了最新一届的《麻省理工科技评论》“35位35岁以下科技创新者”榜单 。
「DeepTech深科技」谷歌又一野心浮现：用AI“反哺”芯片设计
本文插图

图｜Azalia Mirhoseini（来源：《麻省理工科技评论》）
弥合芯片和算法之间的“时滞”
在 Azalia Mirhoseini 这篇 ArXiv 论文中 ， 她和谷歌高级软件工程师 Anna Goldie 表示 ， 对芯片设计进行了足够长时间的学习之后 ， 团队开发的算法可在不到 24 小时的时间内为谷歌 TPU 完成设计 ， 且在功耗、性能、面积都超过了人类专家数周的设计成果 。
传统的方法是 ， 芯片工程师手动设计配置 ， 最大程度地减少组件之间使用的电线数量以提高效率 ， 然后使用电子设计自动化软件来模拟和验证其性能 。 由于每个芯片设计需要投入时间 ， 一般认为芯片的使用寿命为两到五年 。 但是 ， 随着 AI 算法的迅速发展 ， 对新芯片架构的需求也在加速增长 。
而谷歌团队希望借助AI解决长芯片设计周期和算法更新需求之间的鸿沟 ， 帮助行业在相同时间内设计更多的芯片 ， 并且带来速度更快、功耗更低、制造成本更低、面积更小的芯片设计 。
「DeepTech深科技」谷歌又一野心浮现：用AI“反哺”芯片设计
本文插图

图丨谷歌团队论文（来源：arxiv）
她们认为 ， 理想情况下 ， 新设计出的芯片应该能够很好地满足当今 AI 算法的需求 ， 而非适配两到五年前的 AI 算法 ， 有些算法或神经网络架构在现有的AI加速器上效果不佳 ， 正是因为芯片的设计滞后 ， 并不适合新发展出来的神经网络架构和算法 ， “如果 AI 能够缩短芯片的设计周期 ， 在硬件与 AI 算法之间建立共生关系 ， 会进一步推动彼此的进步” 。
早在 2017 年 ， 谷歌就有利用AI来优化算力配置的成果 。
公开研究显示 ， 当时 ， 谷歌训练了一个强化学习模型 ， 帮助优化神经网络模型在设备上的计算资源分配 ， 实现了更好地搭建异构分布式计算环境 。 当时的研究结果显示 ， 基于强化学习的设备配置优化用在 ImageNet 分类的 Inception-V3 任务、RNN LSTM 语言建模和神经机器翻译任务上 ， 表现优于普通手动设备配置（device placement）方式 。
在这之后 ， 谷歌又有了更多的尝试 。 直到这一次 ISSCC 上展示的进展 ， 谷歌涉足利用人工智能算法在 ASIC（专用集成电路）芯片设计中进行自主布局和布线 ， 已经不再是如同 2017 年时简单地将软件计算放置在不同的计算硬件上 ， 意味着 AI 正在进入整个芯片设计中颇为关键的一环 。
图丨谷歌在 2017 年的尝试（来源：谷歌）
而且 Dean 也表示 ， 对机器学习算法扩展到 IC 设计过程的其他部分——包括测试和验证——也有兴趣 ， 这些可能的应用方向对机器学习本身的普及很重要 ， 同时对加速集成电路设计进度也有重要性 。
谷歌对于 AI 的发展一直持有乐观的态度 ， 且其探索 AI 辅助芯片设计的当下 ， 正是整个半导体受人工智能产业推动形成新格局之际 ， 大量的科技公司和创企都在追求设计自有硬件以更快地运行机器学习 。


推荐阅读


上一篇：「喵小白是只好猫」时至今日，还有人在用ZUK Z2吗？

下一篇：「大爆炸科技」纯国产手机真的不远了!华为P40除了这三大芯片以外:几乎全国产化