- Pada 2020, kami merilis preprint yang memperkenalkan metode reinforcement learning baru untuk merancang layout chip
- Metode ini kemudian dipublikasikan di Nature dan disediakan sebagai open source
- Hari ini kami merilis addendum di Nature yang menjelaskan lebih rinci metode ini dan dampaknya pada bidang desain chip
- Kami juga merilis checkpoint yang telah dipra-latih, membagikan bobot model, dan memperkenalkan nama AlphaChip
- Chip komputer telah mendorong kemajuan luar biasa dalam kecerdasan buatan (AI), dan AlphaChip memanfaatkan AI untuk mempercepat serta mengoptimalkan desain chip
- Metode ini digunakan untuk merancang layout chip supermanusia pada tiga generasi terbaru Tensor Processing Unit (TPU), akselerator AI kustom milik Google
- AlphaChip adalah salah satu pendekatan reinforcement learning pertama yang digunakan untuk memecahkan masalah rekayasa dunia nyata
- Alih-alih membutuhkan kerja manusia selama berminggu-minggu atau berbulan-bulan, AlphaChip menghasilkan layout chip setara atau melampaui manusia hanya dalam beberapa jam, dan layout ini digunakan pada beragam chip mulai dari pusat data di seluruh dunia hingga ponsel
Cara Kerja AlphaChip
- Merancang layout chip bukanlah tugas yang sederhana
- Chip komputer terdiri dari banyak blok yang saling terhubung, semuanya dikaitkan melalui hierarki komponen sirkuit dan kabel yang sangat tipis
- Ada juga banyak kendala desain yang kompleks dan saling terkait yang harus dipenuhi secara bersamaan
- Karena kompleksitas ini, para perancang chip telah kesulitan mengotomatisasi proses floorplanning chip selama lebih dari 60 tahun
- Mirip dengan AlphaGo dan AlphaZero, kami membangun AlphaChip agar mendekati floorplanning chip sebagai semacam permainan
- Dimulai dari grid kosong, AlphaChip menempatkan satu komponen sirkuit pada satu waktu, lalu mengulangi proses ini sampai semua komponen selesai ditempatkan
- Setelah itu, AlphaChip menerima imbalan berdasarkan kualitas layout akhir
- Melalui graph neural network "berbasis edge" yang baru, AlphaChip dapat mempelajari hubungan antar komponen chip yang saling terhubung dan melakukan generalisasi ke seluruh chip, sehingga dapat terus meningkat pada setiap layout yang dirancang
Merancang Chip Akselerator AI Google dengan AI
- Sejak diumumkan pada 2020, AlphaChip telah menghasilkan layout chip supermanusia yang digunakan pada semua generasi TPU Google
- Chip-chip ini memungkinkan model AI berskala besar yang dibangun di atas arsitektur Transformer milik Google
- TPU berada di inti sistem AI generatif yang kuat, mulai dari model bahasa besar seperti Gemini hingga generator gambar dan video seperti Imagen dan Veo
- Akselerator AI ini juga menjadi inti layanan AI Google dan disediakan bagi pengguna eksternal melalui Google Cloud
- Untuk merancang layout TPU, AlphaChip terlebih dahulu berlatih pada berbagai blok chip dari generasi sebelumnya seperti blok jaringan on-chip dan antar-chip, memory controller, serta buffer transfer data (ini disebut pra-pelatihan)
- Setelah itu, AlphaChip dijalankan pada blok TPU saat ini untuk menghasilkan layout berkualitas tinggi
- Berbeda dari pendekatan sebelumnya, AlphaChip menjadi lebih baik dan lebih cepat seiring semakin banyak instans tugas penempatan chip yang diselesaikannya, mirip dengan pakar manusia
- Pada setiap generasi TPU baru, termasuk Trillium terbaru (generasi ke-6), AlphaChip telah merancang layout chip yang lebih baik dan menangani lebih banyak bagian dari floorplan keseluruhan, mempercepat siklus desain dan menghasilkan chip berkinerja lebih tinggi
Dampak Luas AlphaChip
- Dampak AlphaChip dapat dilihat melalui aplikasinya di Alphabet, komunitas riset, dan industri desain chip secara luas
- Selain merancang akselerator AI khusus seperti TPU, AlphaChip juga telah menghasilkan layout untuk chip lain di seluruh Alphabet, seperti prosesor Axion, CPU pusat data serbaguna berbasis Arm pertama milik Google
- Organisasi eksternal juga mengadopsi dan membangun di atas AlphaChip (misalnya, MediaTek, salah satu perusahaan desain chip terkemuka di dunia, memperluas AlphaChip untuk meningkatkan daya, performa, dan luas chip sambil mempercepat pengembangan chip paling canggihnya seperti Dimensity Flagship 5G yang digunakan pada ponsel Samsung)
- AlphaChip memicu ledakan riset AI untuk desain chip, dan telah meluas ke tahap penting lain dalam desain chip seperti logical synthesis dan pemilihan macro
Menciptakan Chip Masa Depan
- Kami percaya AlphaChip memiliki potensi untuk mengoptimalkan setiap tahap siklus desain chip, dari arsitektur komputer hingga manufaktur
- AlphaChip dapat merevolusi desain chip untuk hardware kustom yang ditemukan dalam perangkat sehari-hari seperti smartphone, peralatan medis, dan sensor pertanian
- Versi AlphaChip berikutnya sedang dikembangkan, dan kami berharap dapat terus berinovasi di bidang ini serta bekerja sama dengan komunitas untuk menciptakan masa depan dengan chip yang lebih cepat, lebih murah, dan lebih hemat daya
Pendapat GN⁺
- Pendekatan berbasis AI dari AlphaChip sedang merevolusi bidang desain chip. Khususnya, pendekatan ini telah membuat kemajuan besar dalam mengotomatisasi proses perancangan layout chip
- AlphaChip adalah salah satu contoh awal penerapan reinforcement learning pada masalah rekayasa dunia nyata, dan ini merupakan contoh yang baik tentang bagaimana AI dapat dimanfaatkan di dunia nyata
- Dampak AlphaChip pada desain TPU akan menjadi tonggak penting dalam kemajuan hardware akselerator AI. Akselerator AI yang lebih baik akan memungkinkan model AI yang lebih kuat, yang pada gilirannya akan semakin mempercepat kemajuan AI
- Namun, ketergantungan berlebihan pada alat desain AI dapat menyebabkan hilangnya keahlian perancang manusia. Dalam jangka panjang, kolaborasi antara AI dan pakar manusia kemungkinan akan menjadi pendekatan yang paling diinginkan
- Alat desain berbasis AI serupa mencakup Cerebus dari Cadence dan DSO.ai dari Synopsys. Ke depannya, persaingan antar alat otomatisasi desain berbasis AI tampaknya akan semakin ketat
1 komentar
Opini Hacker News