Perlu Menyesuaikan Miliaran Transistor pada sebuah Chip? Biarkan AI Melakukannya


Kecerdasan buatan adalah sekarang membantu merancang chip komputer—termasuk yang sangat dibutuhkan untuk menjalankan kode AI yang paling kuat.

Membuat sketsa chip komputer itu rumit dan rumit, membutuhkan desainer untuk mengatur miliaran komponen pada permukaan yang lebih kecil dari kuku. Keputusan pada setiap langkah dapat memengaruhi kinerja dan keandalan chip, sehingga perancang chip terbaik mengandalkan pengalaman bertahun-tahun dan pengetahuan yang diperoleh dengan susah payah untuk menyusun sirkuit yang memeras kinerja terbaik dan efisiensi daya dari perangkat nanoskopik. Upaya sebelumnya untuk mengotomatisasi desain chip selama beberapa dekade hanya sedikit.

Namun kemajuan terbaru dalam AI telah memungkinkan algoritme untuk mempelajari beberapa seni gelap yang terlibat dalam desain chip. Ini akan membantu perusahaan menyusun cetak biru yang lebih kuat dan efisien dalam waktu yang jauh lebih singkat. Yang penting, pendekatan ini juga dapat membantu para insinyur merancang bersama perangkat lunak AI, bereksperimen dengan berbagai penyesuaian pada kode bersama dengan tata letak sirkuit yang berbeda untuk menemukan konfigurasi optimal keduanya.

Pada saat yang sama, kebangkitan AI telah memicu minat baru pada semua jenis desain chip baru. Chip mutakhir semakin penting untuk hampir semua sudut ekonomi, dari mobil hingga peralatan medis hingga penelitian ilmiah.

Pembuat chip, termasuk Nvidia, Google, dan IBM, semuanya menguji alat AI yang membantu mengatur komponen dan kabel pada chip yang kompleks. Pendekatan ini dapat mengguncang industri chip, tetapi juga dapat memperkenalkan kompleksitas teknik baru, karena jenis algoritme yang digunakan terkadang dapat berperilaku dengan cara yang tidak dapat diprediksi.

Di Nvidia, ilmuwan peneliti utama Haoxing “Mark” Ren sedang menguji bagaimana konsep AI yang dikenal sebagai pembelajaran penguatan dapat membantu mengatur komponen pada sebuah chip dan bagaimana menghubungkannya bersama-sama. Pendekatan, yang memungkinkan mesin belajar dari pengalaman dan eksperimen, telah menjadi kunci beberapa kemajuan besar dalam AI.

Alat AI yang Ren sedang menguji mengeksplorasi desain chip yang berbeda dalam simulasi, melatih jaringan saraf tiruan yang besar untuk mengenali keputusan mana yang pada akhirnya menghasilkan chip berperforma tinggi. Ren mengatakan pendekatan tersebut harus memotong upaya rekayasa yang diperlukan untuk menghasilkan sebuah chip menjadi dua sambil menghasilkan sebuah chip yang cocok atau melebihi kinerja yang dirancang manusia.

“Anda dapat mendesain chip dengan lebih efisien,” kata Ren. “Juga, ini memberi Anda kesempatan untuk menjelajahi lebih banyak ruang desain, yang berarti Anda dapat membuat chip yang lebih baik.”

Nvidia mulai membuat kartu grafis untuk para gamer tetapi dengan cepat melihat potensi chip yang sama untuk menjalankan algoritme pembelajaran mesin yang kuat, dan sekarang Nvidia menjadi pembuat chip AI kelas atas yang terkemuka. Ren mengatakan Nvidia berencana untuk membawa chip ke pasar yang telah dibuat menggunakan AI tetapi menolak untuk mengatakan seberapa cepat. Di masa depan yang lebih jauh, katanya, “Anda mungkin akan melihat sebagian besar chip yang dirancang dengan AI.”

Pembelajaran penguatan digunakan paling terkenal untuk melatih komputer untuk memainkan permainan yang kompleks, termasuk permainan papan Go, dengan keterampilan manusia super, tanpa instruksi eksplisit mengenai aturan permainan atau prinsip permainan yang baik. Ini menunjukkan janji untuk berbagai aplikasi praktis, termasuk robot pelatihan untuk memahami objek baru, jet tempur terbang, dan perdagangan saham algoritmik.

Song Han, asisten profesor teknik elektro dan ilmu komputer di MIT, mengatakan pembelajaran penguatan menunjukkan potensi yang signifikan untuk meningkatkan desain chip, karena, seperti halnya permainan seperti Go, sulit untuk memprediksi keputusan yang baik tanpa pengalaman bertahun-tahun dan praktek.

Kelompok penelitiannya baru-baru ini mengembangkan alat yang menggunakan pembelajaran penguatan untuk mengidentifikasi ukuran optimal untuk berbagai transistor pada chip komputer, dengan menjelajahi desain chip yang berbeda dalam simulasi. Yang penting, itu juga dapat mentransfer apa yang telah dipelajari dari satu jenis chip ke yang lain, yang menjanjikan untuk menurunkan biaya otomatisasi proses. Dalam eksperimen, alat AI menghasilkan desain sirkuit yang 2,3 kali lebih hemat energi sekaligus menghasilkan gangguan seperlima lebih banyak daripada yang dirancang oleh insinyur manusia. Para peneliti MIT sedang mengerjakan algoritme AI pada saat yang sama dengan desain chip baru untuk memaksimalkan keduanya.

Pemain industri lainnya—terutama mereka yang banyak berinvestasi dalam mengembangkan dan menggunakan AI—juga ingin mengadopsi AI sebagai alat untuk desain chip.

Diposting oleh : Lagutogel