Inteligência artificial realiza meses de trabalho de engenharia da noite para o dia: Nvidia revela como acelerou o design de chips.

A Nvidia está utilizando ativamente inteligência artificial em certas etapas de seu processo interno de design de chips. O cientista-chefe da Nvidia, Bill Dally, discutiu isso em uma conversa com o cientista-chefe do Google, Jeff Dean, na conferência GTC. De acordo com Dally, a empresa utiliza IA para exploração de design, gerenciamento de bibliotecas de células padrão, correção de erros e verificação. Dally acrescentou que o design de chips totalmente automatizado ainda está longe de ser uma realidade.

Fonte da imagem: VideoCardz / Nvidia

Um exemplo compartilhado por Dally é a ferramenta NB-Cell da Nvidia. Ele explicou que, anteriormente, uma equipe de oito pessoas levava cerca de 10 meses para migrar a biblioteca de células padrão da empresa para um novo processo de fabricação de semicondutores. A ferramenta de IA baseada em aprendizado por reforço agora realiza esse trabalho da noite para o dia em uma única GPU, e as células resultantes são iguais ou até superiores aos projetos criados por humanos em termos de tamanho, consumo de energia e latência.

“Tentamos usar IA sempre que possível durante o processo de design. Por exemplo, toda vez que mudamos para um novo processo de fabricação de semicondutores, precisamos migrar nossa biblioteca de células padrão. Ela contém entre 2.500 e 3.000 células, e isso antes exigia uma equipe de oito pessoas trabalhando na tarefa por cerca de 10 meses, representando um total de 80 meses-homem.” “Então, desenvolvemos um programa de aprendizado por reforço chamado NB-Cell. Acho que estamos na versão 2 ou 3 do NB-Cell agora. Ele consegue realizar o trabalho durante a noite em uma única GPU. Os resultados para aspectos como tamanho da célula, dissipação de energia e latência superam até mesmo os projetos humanos. Eles igualam ou superam os projetos humanos. Isso representa um enorme aumento de desempenho e remove barreiras à migração para novas tecnologias de processo, porque agora podemos migrar bibliotecas de células muito rapidamente”, afirma Bill Dally, cientista-chefe da Nvidia.

Dally também mencionou outra ferramenta interna chamada Prefix RL, que aborda o problema, há muito estudado, do posicionamento preemptivo de elementos em uma cadeia de lookahead. Ele afirmou que o sistema gera projetos que “nenhum humano conseguiria conceber”, ao mesmo tempo que melhora as principais métricas em aproximadamente 20 a 30% em comparação com soluções geradas por humanos. Este é um detalhe importante, pois demonstra que a Nvidia está usando IA não apenas para economizar tempo dos engenheiros, mas também para encontrar soluções que vão além da intuição humana típica.

De forma mais ampla, Dally disse que a Nvidia utiliza modelos de linguagem internos chamados Chip Nemo e Bug Nemo. Esses modelos são continuamente refinados com base em materiais próprios da Nvidia, incluindo código RTL e documentos de projeto de GPU desenvolvidos ao longo de muitos anos. Ele afirmou que um benefício prático é que os engenheiros juniores podem consultar o modelo em vez de perguntar constantemente aos desenvolvedores seniores como um bloco específico funciona. Além disso, o sistema pode resumir relatórios de bugs e ajudar a distribuí-los para os módulos ou engenheiros corretos.