AI和GPU助力芯片设计将“驶入”快车道


根据NVIDIA首席科学家在国际设计自动化会议(DAC)在线主题演讲中详细介绍的研究,机器学习和加速计算正在帮助工程师更快更好地设计出半导体。

1.jpg


NVIDIA首席科学家Bill Dally表示,AI能够设计出人类无法设计的芯片。DAC是目前全球规模最大的半导体工程师会议之一。


Bill Dally谈及了加速计算和机器学习方面的研究,这些研究让芯片变得更小、更快、更高性能。


Dally负责NVIDIA Research —— 一支200多人的团队。他表示:“我们的工作表明,使用GPU加速系统可以给芯片设计带来数量级的提升。借助AI,能够得到超水平结果——胜于任何人类能够设计出的电路。”


电路和电路板双双受益


Dally列举了GPU和AI为芯片和电路板设计工作流程所带来的改进——从电路的布局,到印刷电路板图像的快速渲染。


在一个使用GPU进行加速的突出示例中,他提到了NVIDIA计划在明年一场大会上展示的研究。与当今运行在CPU上的商业工具相比,GATSPI工具将芯片逻辑的详细模拟速度提高了1,000倍以上。


2.jpg

GPU加速模拟工具GATSPI可在数秒内完成目前在CPU上需要运行一整天才能完成的工



今年DAC上的一篇论文描述了NVIDIA如何与领先的EDA软件供应商Cadence Design Systems合作,在NVIDIA GPU上使用图形技术来渲染电路板设计。基于两家公司的此次合作,Cadence 于6月发布在Allegro X平台的交互操作性能提高了20倍。


Dally表示:“工程师们过去在每次编辑或平移图像后都要等待程序的响应,这种工作方式常常令人陷入无奈的窘境。但有了GPU之后,该流程就具有了真正的互动性。”Dally在2009年加入NVIDIA之前,曾担任斯坦福大学计算机科学系主任。


强化学习带来回报


本周的DAC会议上还介绍了一种名为NVCell的技术,该技术使用强化学习来自动执行芯片的基本组成部分——标准单元的布局设计工作。


通过此方法,这项通常需要10人团队花费数月才能完成的工作,就变成了一个只需数日就能完成的自动化流程。Dally表示:“这让工程团队能够集中精力攻克一些更为棘手、需要人工设计的单元。”


另一个强化学习的例子,是NVIDIA研究员将在DAC上介绍的一个名为PrefixRL的新工具。该工具可以发现加法器、编码器或自定义设计等电路的设计方法。


PrefixRL将设计流程视为一场游戏——追求为电路找到最小的面积和功耗。


通过AI优化流程,工程师们就能得到比目前工具更高效的设备。这个示例充分展示了AI如何完成人类无法做到的设计。


充分运用各种AI工具


NVIDIA与德克萨斯大学奥斯汀分校合作,开展了一个名为DREAMPlace的研究项目,该项目创新地使用了一个用于深度学习的常用软件框架——PyTorch。该项目对这一用于优化神经网络权重的框架进行了调整,以找到最佳位置,即能够在更大的芯片中放置一个含有1000万个单元的块(block)。


即使在CPU上使用当今最先进的技术,也需要近四个小时才能完成这项常规工作。而在数据中心或云服务中的NVIDIA Volta架构GPU上运行时,只需要短短5分钟,速度提高了43倍。


更快获得更清晰的图像


为制造芯片,工程师们需要使用光刻机,将设计投射到半导体晶圆上。而为了确保芯片的性能符合预期,他们必须面对一项重要挑战——精确模拟图像。


NVIDIA研究员创建了一个能够理解该光学流程的神经网络。与目前最先进的机器学习方法相比,该神经网络的晶圆图像模拟速度加快了80倍,并且精度更高,所使用的模型也小了20倍。


这是工程师结合加速计算和人工智能,更快地设计出更高性能芯片的又一个例子。


AI驱动未来


Dally表示:“NVIDIA使用了一些AI技术来设计现有的GPU,未来我们计划使用更多此类技术。”


“我预计,未来的标准EDA工具也将采用AI,让芯片设计师的工作更轻松,并打造出更高性能的芯片。”


与NVIDIA产品相关的图片或视频(完整或部分)的版权均归NVIDIA Corporation所有。