O Google introduziu o AlphaChip, um método de aprendizagem por reforço para inteligência artificial para design de chips. Ele promete acelerar significativamente o design dos chips, bem como melhorar os chips em termos de desempenho, potência e área. O Google usou essa solução ao projetar aceleradores de IA TPU (Tensor Processing Unit), e outras empresas, incluindo a MediaTek, também a usaram.
Fonte da imagem: Google
O projeto de chip ou design de chip é o estágio mais longo e trabalhoso no desenvolvimento de um componente semicondutor. A Synopsys, que fabrica software de design de chips, implementou IA para resolver esse problema, mas seu produto tem um preço muito alto. O Google decidiu democratizar essa abordagem. Atualmente, a criação de um plano de matriz para um chip complexo como uma GPU leva cerca de dois anos se for projetado por humanos. Componentes menos complexos podem ser projetados em poucos meses, mas o processo envolve milhões em custos porque os grandes fabricantes empregam um número significativo de especialistas. AlphaChip, segundo o Google, resolve o problema em poucas horas. Além disso, este sistema oferece resultados superiores, otimizados para desempenho e eficiência energética. O Google também exibiu um gráfico que mostra a redução no comprimento do fio nas versões anteriores do TPU e no novo Trillium.
AlphaChip é baseado em um modelo de aprendizagem por reforço, no qual a IA realiza uma operação em um ambiente pré-determinado, examina os resultados e aprende com a experiência para melhorar seu desempenho no futuro. No caso do AlphaChip, a IA trata o design do plano do chip como uma espécie de jogo, com um componente do circuito colocado no tabuleiro por turno. Uma rede neural ajuda a construir um gráfico de relacionamentos entre componentes e, quanto mais layouts o sistema criar, maior será a qualidade de seu trabalho.
O Google tem usado o AlphaChip para desenvolver aceleradores TPU AI desde 2020, onde a empresa executa modelos de IA em grande escala e serviços em nuvem. Os modelos de transformadores são executados nesses processadores – esta arquitetura é usada no Gemini e no Imagen. O sistema AlphaChip ajudou a melhorar o design de cada geração sucessiva de TPUs, incluindo o mais recente Trillium, reduzindo o tempo de desenvolvimento e proporcionando maior desempenho. No entanto, tanto a Google como a MediaTek utilizam este sistema para um conjunto limitado de blocos, e uma parte significativa do trabalho ainda é feita por humanos.
Além do Google TPU, o AlphaChip foi usado no design dos chips móveis 5G MediaTek Dimensity, amplamente utilizados nos smartphones atuais. O sistema foi pré-treinado em uma ampla variedade de chips, diz o Google, permitindo gerar layouts cada vez mais eficientes com o passar do tempo. Os humanos aprendem rapidamente e a IA aprende ainda mais rápido.
O sucesso do AlphaChip encorajou o Google a continuar introduzindo IA em vários estágios de design de chips, incluindo síntese lógica, seleção de macro e otimização de tempo – algo que a Synopsys e a Cadence oferecem por muito dinheiro. A empresa acredita que, no futuro, o AlphaChip poderá ser usado durante todo o ciclo de desenvolvimento do chip, desde o projeto arquitetônico até o layout e a produção – a otimização usando IA ajudará a acelerar os chips, torná-los mais compactos, eficientes em termos de energia e mais baratos. No futuro, a solução não será usada apenas para aceleradores de servidores do Google e plataformas móveis MediaTek. O desenvolvimento do AlphaChip continua.