根據(jù)NVIDIA首席科學(xué)家在國際設(shè)計自動化會議（DAC）中詳細(xì)介紹的研究，機(jī)器學(xué)習(xí)和加速計算正在幫助工程師更快更好地設(shè)計出半導(dǎo)體。

NVIDIA首席科學(xué)家Bill Dally今日在國際設(shè)計自動化會議（DAC）在線主題演講中表示，AI能夠設(shè)計出人類無法設(shè)計的芯片。DAC是目前全球規(guī)模最大的半導(dǎo)體工程師會議之一。

Bill Dally談及了加速計算和機(jī)器學(xué)習(xí)方面的研究，這些研究讓芯片變得更小、更快、更高性能。

Dally負(fù)責(zé)NVIDIA Research —— 一支200多人的團(tuán)隊(duì)。他表示：“我們的工作表明，使用GPU加速系統(tǒng)可以給芯片設(shè)計帶來數(shù)量級的提升。借助AI，能夠得到超水平結(jié)果——勝于任何人類能夠設(shè)計出的電路。”

電路和電路板雙雙受益

Dally列舉了GPU和AI為芯片和電路板設(shè)計工作流程所帶來的改進(jìn)——從電路的布局，到印刷電路板圖像的快速渲染。

在一個使用GPU進(jìn)行加速的突出示例中，他提到了NVIDIA計劃在明年一場大會上展示的研究。與當(dāng)今運(yùn)行在CPU上的商業(yè)工具相比，GATSPI工具將芯片邏輯的詳細(xì)模擬速度提高了1，000倍以上。

GPU加速模擬工具GATSPI可在數(shù)秒內(nèi)完成目前在CPU上需要運(yùn)行一整天才能完成的工作

今年DAC上的一篇論文描述了NVIDIA如何與領(lǐng)先的EDA軟件供應(yīng)商Cadence Design Systems合作，在NVIDIA GPU上使用圖形技術(shù)來渲染電路板設(shè)計?；趦杉夜镜拇舜魏献?，Cadence 于6月發(fā)布在Allegro X平臺的交互操作性能提高了20倍。

Dally表示：“工程師們過去在每次編輯或平移圖像后都要等待程序的響應(yīng)，這種工作方式常常令人陷入無奈的窘境。但有了GPU之后，該流程就具有了真正的互動性?！盌ally在2009年加入NVIDIA之前，曾擔(dān)任斯坦福大學(xué)計算機(jī)科學(xué)系主任。

強(qiáng)化學(xué)習(xí)帶來回報

本周的DAC會議上還介紹了一種名為NVCell的技術(shù)，該技術(shù)使用強(qiáng)化學(xué)習(xí)來自動執(zhí)行芯片的基本組成部分——標(biāo)準(zhǔn)單元的布局設(shè)計工作。

通過此方法，這項(xiàng)通常需要10人團(tuán)隊(duì)花費(fèi)數(shù)月才能完成的工作，就變成了一個只需數(shù)日就能完成的自動化流程。Dally表示：“這讓工程團(tuán)隊(duì)能夠集中精力攻克一些更為棘手、需要人工設(shè)計的單元?！?/p>

另一個強(qiáng)化學(xué)習(xí)的例子，是NVIDIA研究員將在DAC上介紹的一個名為PrefixRL的新工具。該工具可以發(fā)現(xiàn)加法器、編碼器或自定義設(shè)計等電路的設(shè)計方法。

PrefixRL將設(shè)計流程視為一場游戲——追求為電路找到最小的面積和功耗。

通過AI優(yōu)化流程，工程師們就能得到比目前工具更高效的設(shè)備。這個示例充分展示了AI如何完成人類無法做到的設(shè)計。

充分運(yùn)用各種AI工具

NVIDIA與德克薩斯大學(xué)奧斯汀分校合作，開展了一個名為DREAMPlace的研究項(xiàng)目，該項(xiàng)目創(chuàng)新地使用了一個用于深度學(xué)習(xí)的常用軟件框架——PyTorch。該項(xiàng)目對這一用于優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)重的框架進(jìn)行了調(diào)整，以找到最佳位置，即能夠在更大的芯片中放置一個含有1000萬個單元的塊（block）。

即使在CPU上使用當(dāng)今最先進(jìn)的技術(shù)，也需要近四個小時才能完成這項(xiàng)常規(guī)工作。而在數(shù)據(jù)中心或云服務(wù)中的NVIDIA Volta架構(gòu)GPU上運(yùn)行時，只需要短短5分鐘，速度提高了43倍。

更快獲得更清晰的圖像

為制造芯片，工程師們需要使用光刻機(jī)，將設(shè)計投射到半導(dǎo)體晶圓上。而為了確保芯片的性能符合預(yù)期，他們必須面對一項(xiàng)重要挑戰(zhàn)——精確模擬圖像。

NVIDIA研究員創(chuàng)建了一個能夠理解該光學(xué)流程的神經(jīng)網(wǎng)絡(luò)。與目前最先進(jìn)的機(jī)器學(xué)習(xí)方法相比，該神經(jīng)網(wǎng)絡(luò)的晶圓圖像模擬速度加快了80倍，并且精度更高，所使用的模型也小了20倍。

這是工程師結(jié)合加速計算和人工智能，更快地設(shè)計出更高性能芯片的又一個例子。

AI驅(qū)動未來

Dally表示：“NVIDIA使用了一些AI技術(shù)來設(shè)計現(xiàn)有的GPU，未來我們計劃使用更多此類技術(shù)”

“我預(yù)計，未來的標(biāo)準(zhǔn)EDA工具也將采用AI，讓芯片設(shè)計師的工作更輕松，并打造出更高性能的芯片?！?/p>

原文標(biāo)題：AI和GPU助力芯片設(shè)計“駛?cè)搿笨燔嚨?/span>

文章出處：【微信公眾號：NVIDIA英偉達(dá)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。