耗時 3 小時到僅 3 秒,NVIDIA 以 GPU 執行 AI 技術設計最新 GPU

作者 | 發布日期 2022 年 04 月 20 日 18:00 | 分類 GPU , IC 設計 , 晶片 Telegram share ! follow us in feedly


外媒《tomshardware》報導,GPU 大廠輝達 (NVIDIA) 首席科學家最近談到研發團隊如何使用 GPU 加速改進新 GPU 設計。利用機器學習 (ML) 和人工智慧 (AI) 技術,已調整四個複雜且傳統耗時的過程。範例之一使用 AI / ML 技術將常見更新 GPU 設計任務從 3 小時縮短到 3 秒。

報導指出,Bill Dally 是 NVIDIA 的首席科學家和研究高級副總裁,在他的近期的演講中指出,NVIDIA 的 GPU 設計包含著四大重要關鍵。而在這四大重要關鍵當中,降低映射電壓(Mapping Voltage Drop)、預測寄生效應(Predicting Parasitics)、電路設計布局與挑戰 (Place and Routing Challenges)、自動化標準單元遷移(Automating Standard Cell Migration)等,當中 AI/ML 技術可以發揮強大的功能。其中,在降低映射電壓部分,Dally 表示,使用傳統的 CAD 工具可以協助大約在 3 個小時內得到結果。但是,透過 AI/ML 技術的訓練輔助,可以將計算時間縮短到 3 秒內完成,頂魚是縮短了 94% 的時間。

至於,在使用 AI 技術預測寄生效應方面,在 AI 技術架構的新模型下,不但將誤差比例降低到 10% 以下,還加快了工程師在 GPU 更新上的設計時間,這讓工程師不再耗費大倆的時間成本在進行實驗,能進一步有更多的時間進行創新研究。另外,在電路設計布局與挑戰方面,Bill Dally 這對於晶片設計非常重要,因為它們就像在繁忙的大都市中規劃道路一樣。錯誤的電路設計與布局將導致交通(數據)的堵塞。因此,透過使用圖神經網路 (GNN) 分析晶片設計中的這一問題,有助於凸顯關注領域,並智慧化的處理問題。

最後,使用 AI 來加強自動化標準單元遷移部分,Bill Dally 指出,這是 NVIDIA 晶片設計工具箱中另一個非常有用的工具。例如,以前將晶片設計從 7 奈米製成轉移到 5 奈米,其過程所需的膨大成本與時間投入。但是,使用強化學習 AI 技術,92% 的單元都可以藉由這個工具完成,而且其中沒有設計規則或電氣規則錯誤問題。這其中因為節省了大量勞力成本而受到歡迎,而且在大多數情況下,最終 NVIDIA 也得到了更好的設計產品。

事實上,NVIDIA 研究的需求是試圖透過開發由 GPU 運行的軟體系統和技術,來推動 NVIDIA 發展產品的需求。目前輝達有 3 個不同的圖像研究小組,以推動電腦圖形方面的發展。另外,還有 5 個不同的 AI 小組,因為 GPU 應用 AI 技術是一件大事,而且當前的規模是越來越大。此外,還有負責機器人和自動駕駛汽車的小組,並有多個實驗室進一步推動這些技術與應用的發展。

(首圖來源:shutterstock)