NVIDIA, Yapay Zekanın Çip Tasarımlarını 30x’e Kadar Optimize Etmede ve Hızlandırmada Nasıl Belirgin Bir Rol Oynadığını Gösteriyor
– Advertisement –
NVIDIA, yeni nesil çip tasarımlarını 30 kata kadar optimize etmek ve hızlandırmak için yapay zekadan yararlandıklarını açıkladı.
NVIDIA Developer blogunda, yazarlar ve geliştiriciler Anthony Agnesina ve Mark Ren, nasıl yapılacağına dair teknik bir kılavuz yayınladılar. GPU’ları ve yapay zekayı kullanan çiplerin tasarlanmasına yardımcı olur. Bir refakatçi kağıt (PDF), “AutoDMP: Automated DREAMPPlace-based Macro Placement”, bu yılki Uluslararası Fiziksel Tasarım Sempozyumu için Agnesina ve diğerleri tarafından bir gün önce yayınlandı. Araştırmaları, AutoDMP’nin NVIDIA DGX Station A100 kullanarak üç saatte 2,7 milyon hücreyi ve 320 makroyu optimize edebildiğini gösterdi.
AutoDMP süreci, Elektronik Tasarım Otomasyonu (EDA) sistemi adı verilen çip üreticileri tarafından kullanılan bir platforma bağlanacaktır. CPU’nun ilk tasarımı için belirli alanları bulmaya çalışarak, eski sistemlerin alacağı süreci artırmak için ikisi birlikte birlikte çalışır. AutoDMP’nin gücünün gösterilerinden birinde yerleştirme aracı, 320 bellek makrosu ve 2,7 milyon normal hücre içeren bir 256 RSIC-V çekirdek düzeni oluşturdu. Bu süreç, zorluğu yaklaşık üç saat içinde çözerek geliştirme ekibine çok büyük bir zaman kazandırdı.
Makro yerleştirme, alan ve güç tüketimi gibi birçok tasarım ölçütünü doğrudan etkileyerek çipin görünümü üzerinde muazzam bir etkiye sahiptir. Bu nedenle, bu makroların yerleşimini iyileştirmek, her bir çipin performansını ve verimliliğini optimize etmek için kritik öneme sahiptir.
— NVIDIA Geliştirici blog gönderisi, “AutoDMP, Yapay Zeka ve GPU’larla Yonga Tasarımı için Makro Yerleşimini Optimize Ediyor”
Büyüleyici olan şey, bu sürecin başlangıçta manuel olarak tasarlanmış olması ve makroların, öncelikle işe yaramış olan önceki tasarımlara dayalı olarak kararlı bir şekilde yerleştirilmesidir. En önemli engel, büyük bir zaman öldürücü olan en uygun makro yerleşimini bulmaktı.
Eşzamanlı hücre ve makro yerleştirme yöntemi umut verici sonuçlar elde etse de, daha da geliştirilebileceğine inanıyoruz. Sayısal algoritmalar, geniş bir tasarım alanı oluşturan birçok algoritma parametresine sahiptir. Yerleştirmenin nihai kalitesi, hangi parametre yapılandırmasının seçildiğine bağlıdır. Bu tasarım alanını eşzamanlı hücre ve makro yerleşimi ile genişletmek, yetersizlik açığını daha da artırabilir.
Ek olarak, geleneksel yerleştirme algoritmaları, birden çok tasarım hedefini optimizasyon için tek bir hedefte birleştirir. Çok amaçlı bir optimizasyon çerçevesi, arama alanını genişletebilir ve optimallik açığını azaltabilir.
Makro ve hücre yerleşimine yardımcı olması için DREAMPlace motorunu kullanan makine, sorunu bir tel uzunluğu optimizasyon problemi olarak formüle ederek kısıtlamaları çözer. Oradan, en uygun çözümü (kırmızı renkte görünen bloklar) geliştirmek için kısıtlamaları hesaplar.
Nihayetinde NVIDIA, bu yeni “metodolojinin yeni ileriye dönük tasarım uzay araştırma tekniklerinin kilidini nasıl açabileceğini” görmekten mutluluk duyacaktır.
NVIDIA yükledi AutoDMP’den GitHub’a herkesin kendini test etmesi ve kullanması için açık kaynaklı bir proje olarak.
Geçen hafta, NVIDIA’nın TSMC, ASML ve Synopsys ile işbirliği içinde toplu bilgi ve kaynaklarını bir araya getireceğini hızlanmak cuLitho veya hesaplamalı litografi kullanarak kırk kata kadar optimizasyonla yeni nesil çip üretimi.
