Современные нейросети научились генерировать контент, включая текст и картинки. Могут они работать и с видео, создавая дипфейки, которые достаточно сложно выявить даже профессионалу. Пишут нейросети и неплохой код, а также помогают его создавать и проверять разработчикам. Возможности ИИ активнейшим образом используются в науке, изящных искусствах, где нейросети даже получают призы, в медицине и самых разных направлениях технологической отрасли.
Например, в проектировании новых чипов — как процессоров, так и видеокарт. Сейчас некоторые компании применяют возможности современных нейросетей в повседневной работе. Недавно был даже объявлен конкурс на лучший проект архитектуры чипа с привлечением помощи нейросетей. Победителю дают возможность реализовать этот проект бесплатно. Обо всём этом и поговорим под катом.
Проектирование процессоров от Google
Мейнстримом проектирование чипов с привлечением возможностей ИИ стало примерно с 2021 года. Тогда корпорация Google создала и обучила специализированную нейросеть. Как оказалось, алгоритмы справляются с этой задачей ничуть не хуже, а порой и лучше человека. А ещё делают всё гораздо быстрее — у машины на проектирование уходит несколько часов, в то время как у целой команды специалистов несколько недель, а то и месяцев.
Для того чтобы научить нейросеть проектировать чипы, команда Google использовала обучение с подкреплением. Чем выше эффективность (производительность и уровень энергопотребления чипа), тем значительнее «награда» для алгоритма.
Нейросеть обучили, загрузив датасет из примерно 10 тысяч проектов дизайна чипов различного качества. Качество проектов из датасета оценивалось на основе энергопотребления и суммарной длины проводников, которые соединяют отдельные компоненты чипа.
Проект от Google не был чисто эмпирическим. Есть и практические результаты: корпорация стала использовать результаты для разработки следующего поколения тензорных процессоров Google TPU.
Nvidia и видеокарты
Спустя год после старта проекта от Google корпорация Nvidia заявила о том, что её графические чипы также проектируются с использованием возможностей искусственного интеллекта. Об этом рассказал старший вице-президент компании Билл Дэлли. В частности, нейросети помогают выявлять неоптимальные связи между компонентами чипа на стадии проектирования. У машины на решение задачи уходит всего несколько секунд, вместо часов/дней в случае работы специалистов-людей.
Кроме того, искусственный интеллект ускоряет подбор оптимальной компоновки чипа, показывая варианты с максимальной эффективностью. А ещё нейросеть, для которой используется обучение с подкреплением, помогает находить ошибки в проектах дизайна архитектуры новых чипов. В частности, помощь ИИ применялась во время перехода с 7-нм на 5-нм техпроцесс.
Nvidia использует возможности нейросетей для работы по четырём основным направлениям:
Карта падения напряжения.
Прогнозирование паразитных характеристик.
Проблемы размещения и трассировки.
Автоматизация миграции стандартных ячеек.
«Все описанные выше методики используют ИИ, чтобы подвергать критике проектные решения людей. Однако ещё более удивительной функцией является использование ИИ в самом проектировании. Я покажу это на двух примерах. Первый — это система, которую мы называем NVCell, в ней используется сочетание симуляции отжига и обучения с подкреплением для проектирования нашей библиотеки стандартных ячеек. Каждый раз, когда мы создаём новую технологию, допустим, переходим с семи нанометров на пять, у нас есть библиотека ячеек. Ячейкой может быть вентиль AND, вентиль OR, полный сумматор. У нас есть много тысяч таких ячеек, которые нужно перепроектировать под новую технологию с учётом очень сложного набора правил», —рассказал Билл Дэлли.
Новые чипы от Synopsys
В 2023 году появился новый интересный проект. Компания Synopsys научила нейросети разрабатывать чипы. Речь идёт не об одном или двух чипах: сервис компании, который называется DSO.ai, создал уже более 100 проектов дизайна электронных компонентов для разных заказчиков, включая STMicroelectronics и SK Hynix.
STMicroelectronics — европейская микроэлектронная компания, одна из крупнейших в своей отрасли. Она занимается разработкой, изготовлением и продажей различных полупроводниковых электронных и микроэлектронных компонентов.
SK hynix Inc. — южнокорейская компания, специализирующаяся на производстве полупроводниковой памяти типа DRAM и NAND. SK hynix является третьим в мире производителем микросхем и входит в пятёрку ведущих производителей оперативной памяти.
Как и в случае с Nvidia, искусственный интеллект лишь помогает в работе специалистам-людям, а не заменяет их. В частности, нейросеть ищет оптимальный дизайн чипа, увеличивает эффективность компоновки, занимается поиском возможных проблем в уже готовых проектах. Заказчики Synopsys отметили снижение энергопотребления чипов, созданных при помощи нейросетей, до 25% с трёхкратным повышением производительности. Кроме того, размеры кристалла удалось снизить на 5%.
По мнению представителей Synopsys, ИИ даёт возможность увеличить эффективность работы разработчиков чипов, а также ускорить сам процесс разработки. Полностью заменить работу человека нейросеть в полупроводниковой отрасли пока не может, но стать надёжным помощником — вполне.
Конкурс от Efabless для разработчиков чипов
Компания Efabless помогает разработчикам чипов бесплатно проектировать новые микросхемы при помощи своей облачной платформы. Затем, собрав заказы на производство созданных микросхем, Efabless отправляет их на фабрику, за что и берёт деньги. Стоимость производства в среднем составляет около $10 000. Спустя несколько месяцев клиенты получают чипы.
В течение пары лет специалисты компании изучали возможности нейросетей, а сейчас предлагают ознакомиться с этими возможностями сторонним разработчикам. Так, Efabless проводит конкурс на лучший проект чипа, созданного с использованием ИИ-технологий. Программа chipIgnite от Efabless позволяет использовать архитектуру RISC-V, автоматизированный процесс проектирования и получить на выбор 100, 300 или 1 000 инженерных образцов чипов.
Участникам конкурса предлагается использовать ИИ (например, chatGPT, Bard или аналогичный) для создания полной модели Verilog для цифрового дизайна. Проект должен быть реализован с использованием chipIgnite, который включает шаблон SoC (Caravel), обеспечивающий быструю интеграцию на уровне чипа и процесс цифрового проектирования RTL-to-GDS с открытым исходным кодом (OpenLane). Вот пример кода, предоставленный самой компанией.
Конкурс уже идёт, на странице предложенных участниками проектов можно найти, в частности, генератор сигналов VGA, 10-битный ЦАП с аналоговой нейронной сетью и SoC для криптомайнинга. Ну а условия участия — вот на этой страничке. Возможно, кто-то из читателей Хабра уже принимает участие в этом конкурсе? Если да, расскажите, пожалуйста, о своём проекте и его возможностях.
Насколько можно судить, искусственный интеллект играет всё более важную роль в отрасли производства и разработки электроники. По мнению экспертов, нейросети вовсе не обязательно в ближайшем будущем решат проблемы, которые связаны с размещением всё большего и большего количества транзисторов в микросхемах. Но ИИ, вероятно, поможет найти другие способы повышения производительности чипов. Предварительные результаты этой работы мы видим уже сейчас, часть описана в статье. Но главные победы впереди, о них мы узнаем уже в ближайшие год-два, сомневаться в этом не приходится.
