Google está utilizando IA para diseñar chips que acelerarán la IA

Categoría: Inteligencia artificial Al corriente Mar 27

Un nuevo algoritmo de aprendizaje por refuerzo ha aprendido a optimizar la ubicación de los componentes en un chip de computadora para hacerlo más eficiente y consumir menos energía.

Tetris 3D: La colocación de chips, también conocida como planificación de piso de chips, es un problema de diseño tridimensional complejo. Requiere la configuración cuidadosa de cientos, a veces miles, de componentes en múltiples capas en un área restringida. Tradicionalmente, los ingenieros diseñarán manualmente configuraciones que minimicen la cantidad de cable utilizado entre los componentes como indicador de eficiencia. Luego usan software de automatización de diseño electrónico para simular y verificar su desempeño, lo que puede demorar hasta 30 horas para un solo plano de planta.

Retraso de tiempo: Debido a la inversión de tiempo que se dedica a cada diseño de chip, tradicionalmente se supone que los chips duran entre dos y cinco años. Pero a medida que los algoritmos de aprendizaje automático han avanzado rápidamente, también se ha acelerado la necesidad de nuevas arquitecturas de chips. En los últimos años, varios algoritmos para optimizar la planificación de la planta de chips han buscado acelerar el proceso de diseño, pero su capacidad para optimizar múltiples objetivos ha sido limitada, incluido el consumo de energía del chip, el rendimiento computacional y el área.

Diseño inteligente: En respuesta a estos desafíos, las investigadoras de Google Anna Goldie y Azalia Mirhoseini tomó un nuevo enfoque : aprendizaje reforzado. Los algoritmos de aprendizaje por refuerzo usan retroalimentación positiva y negativa para aprender tareas complicadas. Entonces, los investigadores diseñaron lo que se conoce como una función de recompensa para castigar y recompensar al algoritmo de acuerdo con el desempeño de sus diseños. Luego, el algoritmo produjo decenas a cientos de miles de nuevos diseños, cada uno en una fracción de segundo, y los evaluó utilizando la función de recompensa. Con el tiempo, convergió en una estrategia final para colocar los componentes del chip de manera óptima.

Validación: Después de verificar los diseños con el software de automatización de diseño electrónico, los investigadores descubrieron que muchos de los planos de planta del algoritmo funcionaron mejor que los diseñados por ingenieros humanos. También enseñó a sus homólogos humanos algunos trucos nuevos, dijeron los investigadores.

Línea de producción: A lo largo de la historia del campo, el progreso en IA ha estado estrechamente relacionado con el progreso en el diseño de chips. La esperanza es que este algoritmo acelere el proceso de diseño de chips y conduzca a una nueva generación de arquitecturas mejoradas, lo que a su vez acelerará el avance de la IA.

Para recibir más historias como esta directamente en su bandeja de entrada, suscríbase a nuestro boletín informativo de IA nominado por Webby, The Algorithm. Es gratis.