谷歌推出 AlphaChip AI 輔助芯片設計技術——芯片布局就像電腦的游戲

本周，谷歌推出了用于設計芯片布局的 AlphaChip 強化學習方法。AlphaChip AI 有望大大加快芯片布局規(guī)劃的設計，并使它們在性能、功耗和面積方面更加優(yōu)化。強化學習方法現(xiàn)已與公眾共享，在設計 Google 的張量處理單元 （TPU） 方面發(fā)揮了重要作用，并已被包括 MediaTek 在內(nèi)的其他公司采用。
芯片設計布局或平面圖傳統(tǒng)上是芯片開發(fā)中時間最長、勞動強度最高的階段。近年來，Synopsys 開發(fā)了 AI 輔助芯片設計工具，可以加速開發(fā)并優(yōu)化芯片的布局規(guī)劃。但是，這些工具非常昂貴。Google 希望在一定程度上使這種 AI 輔助芯片設計方法大眾化。
如今，如果由人類完成，為 GPU 等復雜芯片設計平面圖大約需要 24 個月。不太復雜的東西的平面規(guī)劃可能需要幾個月的時間，這意味著數(shù)百萬美元的成本，因為設計團隊通常相當重要。谷歌表示，AlphaChip 加快了這一時間表，可以在短短幾個小時內(nèi)創(chuàng)建芯片布局。此外，據(jù)說它的設計非常出色，因為它們優(yōu)化了電源效率和性能。Google 還展示了一張圖表，顯示與人類開發(fā)人員相比，各種版本的 TPU 和 Trillium 的電線長度有所減少。
條形圖顯示了與 TPU 物理設計團隊生成的布局相比，AlphaChip 在三代 Google 張量處理單元 （TPU） 中的平均線長縮短幅度。

（圖片來源：谷歌）
AlphaChip 使用強化學習模型，其中代理在預設環(huán)境中采取行動，觀察結果，并從這些經(jīng)驗中學習，以便在未來做出更好的選擇。在 AlphaChip 的情況下，系統(tǒng)將 chip floorplanning 視為一種游戲，一次將一個 circuit 元件放置在空白網(wǎng)格上。該系統(tǒng)隨著解決更多布局而改進，使用圖形神經(jīng)網(wǎng)絡來理解組件之間的關系。
自 2020 年以來，AlphaChip 一直被用于設計 Google 自己的 TPU AI 加速器，這些加速器驅動著 Google 的許多大規(guī)模 AI 模型和云服務。這些處理器運行基于 Transformer 的模型，為 Google 的 Gemini 和 Imagen 提供支持。AlphaChip 改進了每一代 TPU 的設計，包括最新的第 6 代 Trillium 芯片，確保了更高的性能和更快的開發(fā)。盡管如此，Google 和 MediaTek 都依賴 AlphaChip 來制作有限的一組塊，而人類開發(fā)人員仍然承擔了大部分工作。
條形圖顯示了 AlphaChip 設計的芯片塊在三代 Google 張量處理單元 （TPU） 中的數(shù)量，包括 v5e、v5p 和 Trillium。

（圖片來源：谷歌）
到目前為止，AlphaChip 已被用于開發(fā)各種處理器，包括 Google 的 TPU 和聯(lián)發(fā)科的天璣 5G 系統(tǒng)級芯片，這些處理器廣泛用于各種智能手機。因此，AlphaChip 能夠在不同類型的處理器中進行泛化。谷歌表示，它已經(jīng)在各種芯片模塊上進行了預訓練，這使得 AlphaChip 能夠在實踐更多設計時生成越來越高效的布局。雖然人類專家可以學習，而且許多人學得很快，但機器的學習速度要高出幾個數(shù)量級。
擴展 AI 在芯片開發(fā)中的應用
谷歌表示，AlphaChip 的成功激發(fā)了一波新的研究浪潮，將人工智能用于芯片設計的不同階段。這包括將AI技術擴展到邏輯綜合、宏選擇和時序優(yōu)化等領域，Synopsys和Cadence已經(jīng)提供了這些技術，盡管需要很多錢。據(jù)谷歌稱，研究人員還在探索如何將 AlphaChip 的方法應用于芯片開發(fā)的更進一步階段。