英伟达用AI设计GPU：最新H100曾经用上，比传统EDA增加25%芯全面积

望海天藍

原标题：英伟达用AI设计GPU：最新H100曾经用上，比传统EDA增加25%芯全面积
白交发自凹非寺
量子位 | 大众号 QbitAI
英伟达终于揭晓：
H100 竟有近13000条电路，是AI设计的？！

在最新论文中，他们引见了如何用深度强化学习agent设计电路的办法。
据钻研人员称，这类办法还属业内初次。

值得一提的是，这篇文章包孕参考文献在内，仅有短短6页。
不少网友表现，太酷了！

靠玩游戏来学习构建电路架
跟着摩尔定律变慢，开发其余技术来进步芯片机能变得愈发首要。
设计更小、更快、功耗更低的算术电路，就是其中的形式之一。
基于这样的配景，钻研人员提出了 PrefixRL——用深度强化学习优化并行前缀电路。
据钻研人员引见，他们不只证实了AI能够从头开始设计电路，并且比EDA工具设计得更小、更快。

最新英伟达Hopper架构就具有13000个AI设计电路的实例。
来详细看看这项钻研。
本文次要钻研了一种盛行的并行前缀电路，侧重探讨了电路的两大特性：电路面积和提早。
已有的优化根本思绪，是使用电路产生器将前缀图形转换为带有导线和逻辑门的电路，再用物理综合工具进一步优化。
他们将算术电路设计看做是一个强化学习工作，训练一个agent来优化两大特性。
关于前缀电路，还设计了一个环境。

在这个环境中agent玩构建电路架构（前缀图形）的游戏，能够从中添加or删除节点，会由于电路面积最小化和低提早而获取嘉奖。
钻研人员使用Q-Learning算法来训练agent。
首先将前缀图表现成网格，网格中的每个元素都映照到电路中的节点。
输出和输入均为网格，只不外输出网格中的每个元素表现节点是不是存在，输入每个元素则表现用于添加或删除节点的Q值。

在实际训练中，PrefixRL是一项计算要求很高的工作：物理摹拟每个GPU需求256个CPU，训练64b用例破费超32000个GPU小时。
为此，钻研人员还开发了个散布式强化学习训练平台 Raptor。

后果显示，在相反提早、效能下PrefixRL加法器面积比EDA工具加法器面积增加了25%。

钻研团队
本次钻研来自英伟达运用深度学习钻研小组。
他们但愿这个办法有但愿让AI运用到实际电路设计问题傍边去。
近些年来，AI设计芯片这件事儿得多科技公司都曾经在展开。
最典型如谷歌，去年6月在Nature上颁发了一篇文章：A graph placement methodology for fast chip design。
文中表现，AI能在6个小时内生成芯片设计图，并且比人类设计得更好。

还有像三星、新思、cadence等企业也都有相应的解决计划。
前阵子在英伟达GTC大会上，首席迷信家、计算机架构巨匠Bill Dally就分享了AI在芯片设计上的几种运用。
包罗预测电压降、预测寄生参数、规划布线、自动化规范单元迁徙。
不外，即使停顿频频，也有不少质疑的声响泛起，好比，设计才能跟人类比还差点。
关于AI设计芯片这事儿，你怎么看？
— 完—
「人工智能」、「智能汽车」微信社群邀你参加！
欢送关注人工智能、智能汽车的小火伴们参加咱们，与AI从业者交流、切磋，不错过最新行业开展&技术停顿。
ps.加好友请务必备注您的姓名-公司-职位哦~
点这里 ?关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿停顿日日相见~

华人澳洲中文论坛

热图推荐

英伟达用AI设计GPU：最新H100曾经用上，比传统EDA增加25%芯全面积

发表回复

望海天藍
关注TA

图文推荐

华人澳洲中文论坛

热图推荐

英伟达用AI设计GPU：最新H100曾经用上，比传统EDA增加25%芯全面积

发表回复

望海天藍 关注TA

图文推荐

望海天藍
关注TA