AlphaChip, sistem AI terbaru yang dirilis oleh Google DeepMind, bertujuan untuk merevolusi proses pengembangan chip komputer dengan mempercepat dan mengoptimalkannya. Berbeda dengan aplikasi AI sebelumnya, AlphaChip berfokus pada bidang desain perangkat keras dan menggunakan teknologi pembelajaran penguatan untuk secara otomatis menghasilkan tata letak chip yang dioptimalkan, sehingga secara signifikan meningkatkan efisiensi dan kinerja desain chip. Editor Downcodes akan memberi Anda pemahaman mendalam tentang mekanisme operasi AlphaChip, kasus aplikasi dan sumber daya open source, mengungkapkan bagaimana hal itu akan mengubah masa depan desain chip.
Baru-baru ini, Google DeepMind mengumumkan sistem AI terbarunya-AlphaChip. Sistem ini didedikasikan untuk mempercepat dan mengoptimalkan pengembangan chip komputer. Tata letak chip yang dirancang oleh AlphaChip telah digunakan di akselerator AI Google.
Prinsip kerja AlphaChip mirip dengan AlphaGo dan AlphaZero yang pernah kita dengar sebelumnya, menggunakan teknologi pembelajaran penguatan untuk dengan cepat menghasilkan tata letak chip yang dioptimalkan.
Menurut Google DeepMind, AlphaChip telah digunakan dalam tiga generasi terakhir akselerator AI unit pemrosesan tensor (TPU). Diantaranya, pada TPU generasi keenam terbaru - Trillium, AlphaChip menerapkan desain tata letak 25 modul, mengurangi panjang kabel sebesar 6,2% dibandingkan dengan tenaga ahli manusia. Hal ini menunjukkan bahwa AlphaChip telah mencapai peningkatan kinerja yang signifikan.
Proses desain AlphaChip dapat dibayangkan sebagai sebuah permainan, dengan sistem seperti menempatkan komponen sirkuit satu demi satu dalam sebuah grid. Untuk membantu sistem mempelajari hubungan antara komponen yang terhubung dan menggeneralisasi seluruh chip yang berbeda, DeepMind mengembangkan jaringan saraf grafik. Perlu disebutkan bahwa tidak hanya Google, tetapi perusahaan lain seperti produsen chip MediaTek juga menggunakan AlphaChip, terutama dalam mengembangkan chip tercanggih mereka, seperti chip 5G andalan Dimensity untuk smartphone Samsung.
Selain meningkatkan kecepatan dan efisiensi desain chip, Google DeepMind juga melihat potensi untuk lebih mengoptimalkan seluruh siklus desain chip. Versi AlphaChip di masa depan diharapkan mencakup setiap aspek mulai dari arsitektur komputer hingga manufaktur, dengan tujuan membuat chip lebih cepat, lebih murah, dan lebih hemat energi.
Untuk tujuan ini, DeepMind juga telah membuka beberapa sumber daya AlphaChip . Mereka merilis perpustakaan perangkat lunak yang sepenuhnya mereproduksi metode yang dijelaskan dalam penelitian asli. Peneliti eksternal dapat menggunakan perpustakaan ini untuk melakukan pra-pelatihan modul chip yang berbeda dan kemudian menerapkannya ke modul baru.
Selain itu, DeepMind juga menyediakan pos pemeriksaan model terlatih yang dilatih pada 20 modul TPU, dan disarankan agar peneliti eksternal melakukan pelatihan awal pada modul aplikasi tertentu untuk mencapai hasil terbaik. Mengenai cara menggunakan sumber daya sumber terbuka ini untuk pra-pelatihan, DeepMind juga menyediakan tutorial terkait dan mengunggahnya ke GitHub.
Menyorot:
AlphaChip adalah sistem AI yang diluncurkan oleh Google DeepMind, dirancang untuk mempercepat dan mengoptimalkan desain chip.
Sistem ini telah diterapkan pada seri TPU terbaru Google dan telah mencapai optimalisasi tata letak yang signifikan.
DeepMind telah menjadikan beberapa sumber daya AlphaChip menjadi sumber terbuka, dan peneliti eksternal dapat menggunakan sumber daya ini untuk pra-pelatihan dan penerapan.
AlphaChip open source menandai terobosan lebih lanjut teknologi AI di bidang desain chip, dan juga menunjukkan bahwa desain chip di masa depan akan lebih efisien dan cerdas. Editor Downcodes berharap AlphaChip dapat mendorong kemajuan seluruh industri dan menghadirkan produk chip yang lebih bertenaga dan hemat energi.