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。
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。
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作
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。”
如欲观看Dally的主题演讲,请使用ILOVEDAC代码注册DAC,获取免费通行证,点击阅读原文观看演讲。
重磅!NVIDIA行业微站一睹为快!内容涵盖NVIDIA主要的12大行业方案,以及NVIDIA当期重点产品资料。关注“NVIDIA英伟达企业解决方案”微信公众号,点击菜单栏进入行业微站,或长按识别下方二维码直接访问。
点击“行业方案”
进入NVIDIA行业微站
进入微站|一睹为快
体验触手可及的AI盛宴
原文标题:AI和GPU助力芯片设计“驶入”快车道
文章出处:【微信公众号:NVIDIA英伟达企业解决方案】欢迎添加关注!文章转载请注明出处。
审核编辑:汤梓红
全部0条评论
快来发表一下你的评论吧 !