首页 科技正文

2022世界杯预选赛(www.x2w8888.com):用AI设计芯片,谷歌会"干"掉工程师吗?

Sunbet官网 科技 2021-07-01 13:14:24 18 0

欧博注册

欢迎进入欧博注册(www.aLLbetgame.us),欧博官网是欧博集团的官方网站。欧博官网开放Allbet注册、Allbe代理、Allbet电脑客户端、Allbet手机版下载等业务。

,

最近,谷歌在《自然》杂志揭晓了论文《面向快速芯片设计的图结构方式》(A graph placement methodology for fast chip design),该论文中宣布了谷歌在人工智能驱动芯片设计方面的最新效果。

在该论文中,谷歌使用了强化学习的方式来实现高质量自动芯片floorplan。谷歌对于强化学习手艺的使用已经是轻车熟路,之前在围棋领域一鸣惊人击败天下冠军李世石的人工智能也是使用了强化学习手艺。事实上,芯片结构和围棋有很强的相似之处,基本都是在一个很大的自由空间内里需要搜索到一个最优解,来实现回报函数的最大化(例如在芯片结构领域的回报函数就是拥挤度、结构密度和走线长度的一个综合函数)。在论文中,该算法实现自动floorplan的详细方式如下:

电路设计给出floorplan中的所有宏单元(macro)的信息,包罗面积、接口位置等

强化学习算法一次摆放一个宏单元的位置,直到完成所有宏单元的floorplan摆放

在人工智能完成floorplan后,运行基于传统算法的尺度单元结构算法,而且获得拥挤度、结构密度和走线长度等信息。

若是这次运行是训练,则凭证拥挤度、结构密度和走线长度的综合效果更新强化学习模子

在训练和使用该算法的历程中,谷歌使用了人工智能领域常用的预训练-微调(pretrain-finetune)的方式。在预训练阶段,将该模子在包罗有5-20个TPU模块的训练数据集上举行训练,而微调义务则是在目的芯片做floorplan时举行多次迭代,以将预训练的模子适配到目的义务上。

凭证谷歌宣布的效果,经由预训练的模子在执行目的芯片的floorplan时,可以在6小时内完成floorplan,而其floorplan效果在时序、面积、功耗等要害指标上都与专业物理设计工程师手工floorplan的效果靠近或更好。

2022世界杯欧洲区赛

www.x2w8888.com)实时更新发布最新最快的2022世界杯欧洲区赛、2022世界杯会员线路、2022世界杯备用登录网址、2022世界杯手机管理端、2022世界杯手机版登录网址、2022世界杯皇冠登录网址。

AI会取代芯片工程师吗?

强化学习是否会在芯片后端领域取代工程师?我们以为,虽然谷歌宣布的效果异常优异,然则AI可预期的未来尚不足以替换人工,工程师也不必忧郁事业。

首先,现在强化学习做floorplan能笼罩的芯片种类仍然不得而知。谷歌的论文中使用的训练数据集和测试数据集规模都很小(最大的也仅有20种芯片结构),而且训练和测试数据集中涉及到的芯片种类也很有限,是否能在其他种类的芯片结构中也获得逾越工程师手工的效果还不得而知。而芯片类的数据集事实上很难采集,因此若何采集更大的数据集以训练更强,更普适的模子将成为强化学习方式提高历程中最要害的瓶颈,这个瓶颈若是不解决那么基于强化学习的EDA流程将会停留在学术阶段或者仅仅是谷歌用来秀人工智能肌肉的一个案例。

此外,纵然未来基于强化学习的数字电路EDA流程获得长足生长,工程师仍然是流程中的要害。一个焦点的考察是,纵然把整个流程所有交给AI,照样需要一组履历厚实的工程师来看守整个历程,否则没人能担保AI输出是否是最优效果;事实上基于AI的芯片EDA工具更可能是将人机互助加速整个芯片设计流程,而非取代人工。一个最有可能的人机协作的方式是工程师凭证履历预估芯片后端流程的效果,而且将AI的流程效果与人工估量的效果相对照,以确保AI跑流程的效果是合理的。若是强化学习能加速芯片设计流程的话,它将会降低芯片设计流程的迭代周期和成本,并降低芯片设计的门槛,这反而可能使得芯片行业更繁荣,让行业对芯片工程师的需求更大。正如现在的芯片设计流程中,大多数环节都已经自动化(例如设计综合,物理综合等),然则这样的自动化并没有砸了芯片后端设计师的饭碗,反而是让整个芯片行业比起自动化之前加倍繁荣了,也让人才需求量更大。因此,我们以为AI驱动的EDA将会成为工程师的同伙,而不必忧郁让工程师下岗的问题。

强化学习会给EDA业界带来的变化

虽然我们预期强化学习正式进入EDA业界尚需时日,然则鉴于它会给整个业界带来较大的变化,我们以为从现在最先就应该起劲体贴这个领域的生长。

首先,如我们之前所叙述的,基于人工智能的EDA一个很大的要素就是数据,只有网络到了足够的数据才气训练性能足够强,普适性足够好的人工智能模子。从这一点来说,各个芯片厂商的芯片设计数据就不仅仅对他们自身有用,而对于EDA公司也有了更高的价值。对于中国半导体业界来说,由于中国有足够多的芯片设计公司,事实上数据是不缺的,那么是否能有一个组织来牵头以平安的形式来训练EDA人工智能模子的数据,将会成为中国能否在下一代基于人工智能的EDA领域占有主要职位的焦点要素。

除了数据之外,我们以为人工智能模子在未来的EDA领域中会获得越来越多应用,同时也越来越庞大,这就牵涉到了一个算力问题。在谷歌的论文中,纵然是使用已经经由预训练的模子,在使用在目的设计中时,还需要跑6个多小时的微调才气实现优越的效果。随着未来模子越来越庞大,而目的芯片设计也越来越大,我们预期所需要的模子算力也会越来越大。对于如谷歌这样的大公司来说或许不缺算力,然则对于小公司来说我们预计会有越来越多的EDA+云的服务泛起,即在云上跑EDA流程中的人工智能模子以知足算力需求,这也就催生了EDA商业模式的更新甚至新的商机,例如EDA工具的弹性允许模式(EDA-as-a-service),甚至可以凭证差其余付费品级提供差其余人工智能模子。

综上所述,我们以为以强化学习为代表的的下一代基于人工智能的EDA将会给EDA领域带来重大的变化。最主要的就是EDA将从算法驱动变换到数据和算力驱动,因此是否能掌握数据和算力将会成为要害。在这一方面,中国的半导体行业拥有芯片设计企业众多的先天优势,而且中国的云算力基础设施也是全球领先,因此我们以为这将会成为中国EDA行业的一个时机。

*免责声明:本文由作者原创。文章内容系作者小我私人看法,半导体行业考察转载仅为了转达一种差其余看法,不代表半导体行业考察对该看法赞许或支持,若是有任何异议,迎接联系半导体行业考察。

版权声明

本文仅代表作者观点,
不代表本站环球UG官网的立场。
本文系作者授权发表,未经许可,不得转载。

发表评论

评论列表(0人评论 , 18人围观)
☹还没有评论,来说两句吧...

标签列表