AlphaChip, o mais recente sistema de IA lançado pelo Google DeepMind, tem como objetivo revolucionar o processo de desenvolvimento de chips de computador, acelerando-o e otimizando-o. Ao contrário dos aplicativos de IA anteriores, o AlphaChip se concentra no campo do design de hardware e usa tecnologia de aprendizado por reforço para gerar automaticamente layouts de chip otimizados, melhorando significativamente a eficiência e o desempenho do design do chip. O editor de Downcodes lhe dará uma compreensão profunda do mecanismo operacional do AlphaChip, casos de aplicação e recursos de código aberto, revelando como isso mudará o futuro do design de chips.
Recentemente, o Google DeepMind anunciou seu mais recente sistema de IA, AlphaChip. Este sistema é dedicado a acelerar e otimizar o desenvolvimento de chips de computador. O layout do chip projetado pela AlphaChip foi usado no acelerador de IA do Google.
O princípio de funcionamento do AlphaChip é semelhante ao AlphaGo e AlphaZero que ouvimos antes, usando tecnologia de aprendizagem por reforço para gerar rapidamente layouts de chip otimizados.
De acordo com o Google DeepMind, o AlphaChip tem sido usado nas últimas três gerações de aceleradores de IA de unidades de processamento de tensores (TPU). Entre eles, no mais recente TPU - Trillium de sexta geração, o AlphaChip implementou um design de layout de 25 módulos, reduzindo o comprimento do fio em 6,2% em comparação com especialistas humanos. Isso mostra que o AlphaChip alcançou melhorias significativas no desempenho.
O processo de design do AlphaChip pode ser imaginado como um jogo, com o sistema como a colocação de componentes de circuito, um após o outro, em uma grade. Para ajudar o sistema a aprender as relações entre componentes conectados e generalizar entre diferentes chips, a DeepMind desenvolveu uma rede neural gráfica. Vale ressaltar que não só o Google, mas outras empresas como a fabricante de chips MediaTek também estão utilizando o AlphaChip, principalmente no desenvolvimento de seus chips mais avançados, como o chip 5G carro-chefe Dimensity para smartphones Samsung.
Além de melhorar a velocidade e a eficiência do design de chips, o Google DeepMind também vê potencial para otimizar ainda mais todo o ciclo de design de chips. Espera-se que as versões futuras do AlphaChip cubram todos os aspectos, desde a arquitetura do computador até a fabricação, com o objetivo de tornar os chips mais rápidos, mais baratos e mais eficientes em termos energéticos.
Para esse fim, a DeepMind também abriu o código-fonte de alguns recursos do AlphaChip . Eles lançaram uma biblioteca de software que reproduz integralmente o método descrito no estudo original. Pesquisadores externos podem usar esta biblioteca para pré-treinar diferentes módulos de chip e depois aplicá-la a novos módulos.
Além disso, DeepMind também fornece um ponto de verificação de modelo pré-treinado treinado em 20 módulos TPU, e é recomendado que pesquisadores externos pré-treinem em módulos de aplicativos específicos para obter os melhores resultados. Sobre como usar esses recursos de código aberto para pré-treinamento, DeepMind também fornece tutoriais correspondentes e os carrega no GitHub.
Destaque:
AlphaChip é um sistema de IA lançado pelo Google DeepMind, projetado para acelerar e otimizar o design de chips.
Este sistema foi implementado na mais recente série de TPU do Google e alcançou uma otimização significativa do layout.
A DeepMind tornou alguns recursos do AlphaChip de código aberto, e pesquisadores externos podem usar esses recursos para pré-treinamento e aplicação.
O código aberto do AlphaChip marca mais um avanço na tecnologia de IA no campo do design de chips e também indica que o design futuro de chips será mais eficiente e inteligente. O editor do Downcodes espera que o AlphaChip possa promover o progresso de toda a indústria e nos trazer produtos de chips mais poderosos e com economia de energia.