“DeepMind的AlphaChip带来芯片设计的效率革命”
AlphaChip将设计时间从1个月压缩到几个小时
人工智能正在逐渐渗透到每个行业，现在它正在重塑计算机芯片设计。谷歌的DeepMind宣布其新推出的AlphaChip在人工智能驱动的芯片设计方面取得了重大突破。根据论文，AlphaChip将一个月的工作压缩为几个小时，并最终生成更好的芯片设计。 现在的芯片中包含数十亿个晶体管，所有晶体管都通过30英里长的线连接起来。晶体管的布置就像搭建一个非常复杂的拼图，每个碎片都必须完美契合才能正常工作。 在70年代这项工作是手工完成的。随着设计变得越来越复杂，芯片制造商开始开发软件工具来完成他们的工作，也就是EDA电子设计自动化工具。EDA 市场的顶级参与者是 Synopsys 和 Cadence。 随着芯片技术的进步，NVIDIA和AMD等芯片制造商现在致力于2nm甚至16埃的设计，芯片布局的复杂性也在增加。对于最先进的工艺节点，布局互连变得更加复杂，我们面临着新的热管理挑战，晶体管布线变得更加困难，解决所有这些问题需要大量的时间和反复，有时可能需要数周甚至数月的时间。 当我们在一个很小的区域上放置上亿的晶体管时，首先需要评估大量可能的放置选项，以找到最佳选项，这意味着至少数万亿种可能的配置。为了解决这个问题，谷歌的DeepMind推出了AlphaChip，这是一款旨在加速和优化芯片布局的人工智能工具。他们将强化学习应用于芯片设计，可以比人类设计师更快地完成设计，甚至比EDA工具还快。 与精通围棋和国际象棋的AlphaGo和AlphaZero类似，AlphaChip将芯片布局规划阶段视为一种游戏。本质上，芯片布局规划是一个顺序决策游戏，游戏从代表芯片面积的空网格开始，在游戏过程中，AI将晶体管一个块接一个地放置。 当它完成所有单元和块的放置后，它会根据布局的质量获得奖励。考核指标包括互连线路的长度、面积、性能和功耗等。基于这些指标，AI 会因良好的布局而获得奖励。AlphaChip已经接受了数万种布局的训练，在每次迭代中都变得越来越好 AlphaChip 已经用于许多现实世界的设计。在谷歌的TPU张量处理芯片中，AlphaChip被用于最近的3个设计，以及他们的新Axion处理器。联发科利用AlphaChip设计了三星手机使用的5G调制解调器芯片。 根据论文，AlphaChip 可以在短短几个小时内生成更好的计算机芯片设计，而这个过程过去需要人类花费数周甚至数月的时间。与人类专家的设计相比，它成功地将线路长度减少了6%。更短的线路长度意味着更紧凑的设计、更小的外形尺寸，同时更快的信号传播意味着更快的芯片性能。 需要记住的是，AlphaChip目前专注的只是布局优化阶段，这是芯片设计流程中非常关键但非常小的步骤。AlphaChip无法从头开始设计芯片，甚至还差得远。这也意味着在芯片的设计过程中，还有很多的过程可以通过AI进行优化。 DeepMind 团队开源了AlphaChip的方法，将引发芯片设计的AI创新浪潮。 各大 EDA 厂商已经将类似AI功能引入到EDA工具中，例如Synopsys已经拥有一款与 AlphaChip功能类似的工具，名为DSO.ai设计空间优化AI，该工具已在上千个生产性芯片设计流片中使用。在某些设计中，它有助于将设计周期从2年缩短到1年。 随着时间的推移，AI将渗透到芯片设计的越来越多的阶段，并最终实现硬件、软件和机器学习模型的端到端协同优化。
