Google implementiert KI, um bessere KI-Hardwarebeschleuniger zu bauen

Diese Site kann über die Links auf dieser Seite Affiliate-Provisionen verdienen. Nutzungsbedingungen.

Google berichtet, dass es jetzt künstliche Intelligenz verwendet, um seine zukünftigen Tensor-Verarbeitungseinheiten zu bauen. Das Unternehmen hat vor etwa einem Jahr einige Arbeiten in diesem Bereich veröffentlicht, aber die heutige Ankündigung zeigt, dass die Technologie ausgereift ist. Alexis Mirhoseini leitete das Projekt.

Die Halbleiterindustrie investiert seit Jahrzehnten in verschiedene Tools, die Teile des Designprozesses automatisieren. Als eine CPU 10.000 bis 100.000 Transistoren hatte, waren handgezeichnete Grundrisse und Schaltungsdesigns die einzige Möglichkeit, einen Chip zu bauen. Heute ist ein Großteil der Konstruktionsarbeit automatisiert, obwohl Ingenieure weiterhin auf bestimmten und kritischen Routen eingesetzt werden können.

Google behauptet, dass es KI einsetzen kann, um bei der Planung zu helfen. Der Grundriss eines Mikroprozessors, buchstäblich sein physisches Layout, war in der Vergangenheit eine schwierig zu automatisierende Aufgabe. Auch mit Hilfe moderner Softwaretools kann die Erstellung eines neuen Plans Wochen dauern. Viele Jahrzehnte lang wurde viel Arbeit in die Entwicklung von Software investiert, um dieses komplexe Problem besser bewältigen zu können, aber der Mensch bleibt ein integraler Bestandteil des Prozesses. Nun behauptet Google, dass seine neue KI die Arbeit innerhalb weniger Stunden erledigen kann.

Von Natur:

Mirhoseiniet al. schätzen, dass die Anzahl der möglichen Konfigurationen (der Zustandsraum) von Makroblöcken in den Grundrissproblemen, die in ihrer Studie gelöst wurden, etwa 10 . beträgt2500. Im Vergleich dazu beträgt der Zustandsraum der schwarzen und weißen Steine, die im Brettspiel Go verwendet werden, nur 10360.

Was die Grundrissplanung erschwert, ist unter anderem, dass Chipdesigner in ihrer Blockposition Platz für alle zu bauenden Verdrahtungen und Verbindungen schaffen müssen. Es muss Platz für die Standardzellenplatzierung sein, und die Komponenten müssen in ihren verbleibenden Platz passen, nachdem das Design auf Leistung optimiert wurde, und nicht nur vorher. Floorplanning ist ein interaktiver und iterativer Prozess.

Mirhoseini und seine Kollegen haben daran gearbeitet, ein Planungstool zu entwickeln, das für viele Projekte funktionieren könnte, nicht nur für Googles eigene Bemühungen.

Bild von Natur. Der von Menschen entworfene Grundriss ist links, der KI-gestaltete Grundriss rechts. Laut dem Team übertrifft die KI-Blaupause das menschliche Design, obwohl sie ziemlich seltsam aussieht.

Das obige Bild veranschaulicht, wie sich eine von KI erfundene Blaupause von einer von Menschen erstellten unterscheidet. Gemäß Natur, dies ist der Ariane RISC-V-Prozessor. Die KI brauchte nur sechs Stunden, um das Design in etwas zu verwandeln, das kein Mensch bauen würde. Den Forschern zufolge übertrifft das neue Design jedoch das alte.

Das Aufkommen dieser Werkzeuge könnte dem Halbleiterdesign eine große Hilfe sein. Da sich das Mooresche Gesetz verlangsamt hat, sind andere Metriken als die Lithographie für Leistung und Stromverbrauch immer wichtiger geworden. Faktoren wie die Verbindungsleistung sind heute ein bedeutender limitierender Faktor bei modernen Prozessoren; AMDs Milan-CPU hat einen höheren IPC als die Rome-Mikroprozessoren der vorherigen Generation, aber die Verbindungsleistung ist bei Zen 3 höher als bei Zen 2. Gute Design-Tools könnten den Stromverbrauch effektiver minimieren.

Das Überraschendste an diesem neuen Tool ist vielleicht, dass Ihre Konstruktionen während des Herstellungsprozesses nicht iterativ angepasst werden müssen. Google ist bereit, sein Geld da zu geben, wo seine Lippen sind, und hat seine TPU der nächsten Generation nach diesen Prinzipien und Strategien bauen lassen. Zeigt diese Karte einen dramatischen Leistungssprung oder die Gesamtenergieeffizienz, gilt dies als Beweis dafür, dass KI diese Aufgabe innerhalb weniger Stunden und zumindest unter bestimmten Umständen besser als Menschen bewältigen kann. Es kann noch einige Jahre dauern, diesen Ansatz für High-End-SoCs anzupassen (die Ariane ist nicht so komplex wie eine typische High-End-CPU), aber dieser Proof of Concept wird weitere Forschungen anregen, ob die TPU der nächsten Generation funktioniert.

Jetzt lesen:

Hinterlasse eine Antwort