Nvidia использует ИИ PrefixRL для уменьшения площади микросхем
Nvidia использует ИИ PrefixRL для уменьшения площади микросхем

Nvidia использует ИИ PrefixRL для уменьшения площади микросхем

Закон Мура престаёт действовать, и проектировщики микросхем ищут новые способы улучшения производительности при существующем технологическом уровне.

В своем блоге компания Nvidia рассказала о своем методе проектирования чипов с помощью новой модели глубокого обучения PrefixRL.

Эта технология позволяет превзойти стандартные системы автоматизированного проектирования интегральных микросхем, которые применяются в индустрии.

Существующие варианты автоматизации проектирования электроники (EDA) используют системы искусственного интеллекта для оптимизации кремниевой структуры чипа.

Nvidia PrefixRL использует более глубокий и эффективный метод.

Модель глубокого обучения с подкреплением (deep reinforcement learning model) оптимизирует структуру отдельных логических элементов и узлов чипа, оптимизируя площадь цепей.

PrefixRL позволяет добиться уменьшения площади микросхемы, снижения задержек и понижения энергопотребления.

К примеру, площадь 64-битного сумматора спроектированного с помощью Nvidia PrefixRL на 25% меньше площади сумматора, разработанного стандартными средствами EDA.

Ускоритель вычислений Hopper H100 уже спроектирован с использованием нового метода.

Передовой GPU содержит 13000 узлов, оптимизированных с помощью PrefixRL.

PrefixRL — сложная вычислительная задача.

Для физического моделирования 64-битного сумматора потребовалось 256 CPU для каждого рабочего GPU, а обучение заняло более 32 000 рабочих часов GPU.

Поэтому Nvidia разработала платформу распределенных вычислений Raptor, которая использует преимущества оборудования NVIDIA для расчетов в промышленных масштабах.

Джерело матеріала
loader
loader