谷歌TPU秘密武器，6小時(shí)完成芯片布局！新AI算法登Nature

作者 |  心緣
編輯 |  漠影
芯東西6月10日報道，谷歌用人工智能提高芯片設計速度的研究，已發(fā)表于國際頂級期刊Nature。原本人類(lèi)專(zhuān)家需要花費數周時(shí)間的芯片布局設計，通過(guò)一種深度強化學(xué)習方法，平均6小時(shí)內就能完成這個(gè)過(guò)程。這項工作并不完全新穎，包括谷歌人工智能負責人Jeff Dean在內的谷歌工程師團隊，在一年前發(fā)表的一篇預印版論文中已經(jīng)提到了這一技術(shù)。谷歌博客：
https://ai.googleblog.com/2020/04/chip-design-with-deep-reinforcement.html而在Nature最新發(fā)表的論文中，谷歌原始研究團隊稱(chēng)其已微調該技術(shù)，來(lái)設計即將推出的、以前未宣布的谷歌張量處理單元（TPU）的生成，專(zhuān)門(mén)用于加速人工智能（AI）。

該論文題目為《一個(gè)快速芯片設計的布圖布局方法》（A graph placement methodology for fast chip design）。如果這一技術(shù)公開(kāi)，或有助于讓資金受限的初創(chuàng )企業(yè)開(kāi)發(fā)滿(mǎn)足特定需求的自家芯片，并縮短芯片設計周期，使硬件更好地適應快速發(fā)展的研究。

芯片設計自動(dòng)化挑戰大，性能難達人類(lèi)水準

微芯片面積約為幾十到數百毫米平方，容納數千個(gè)組件，如內存、邏輯和處理單元，外加許多公里的超薄電線(xiàn)將這些組件連接在一起。設計過(guò)程中，全局布線(xiàn)是最復雜和耗時(shí)的階段之一，這涉及研究這些組件的最佳放置位置，就像建筑師設計建筑的內部空間一樣，如何以最好的規劃容納所有所需的固定裝置和配件。在這項研究中，谷歌研究人員提出了一種基于深度強化學(xué)習的芯片布局方法，目標是將電路組件和標準單元的網(wǎng)表節點(diǎn)映射到一個(gè)芯片畫(huà)布上，從而優(yōu)化功率、性能和面積（PPA），同時(shí)遵守對布局密度和布線(xiàn)擁塞的限制。自20世紀60年代以來(lái)，提出了許多自動(dòng)化的芯片平面圖方法，但沒(méi)有一種方法達到人類(lèi)專(zhuān)家上手所能實(shí)現的性能。此外，芯片復雜性的指數增長(cháng)，使這些技術(shù)難以在現代芯片上使用。人類(lèi)芯片設計師往往必須使用電子設計自動(dòng)化（EDA）工具迭代數月，對芯片網(wǎng)表進(jìn)行RTL描述，并手動(dòng)將該網(wǎng)表放置在芯片畫(huà)布上。基于這種長(cháng)達72小時(shí)的反饋，設計師要么得出結論，認為設計標準已經(jīng)達到，要么向上游RTL設計師提供反饋，后者然后修改低級代碼，使放置任務(wù)更容易。而谷歌提出的深度強化學(xué)習方法，是一種具有泛化能力的芯片布局方法。通過(guò)領(lǐng)域自適應策略，它能夠跨芯片進(jìn)行推廣，可以自行從經(jīng)驗中學(xué)習，使其芯片布局設計能力變得更好、更快。
用游戲系統、10000個(gè)芯片布局訓練

訓練跨芯片推廣的AI驅動(dòng)設計系統具有挑戰性，因為它需要學(xué)會(huì )優(yōu)化將所有可能的芯片凈列表放置在所有可能的畫(huà)布上。芯片平面圖類(lèi)似于具有各種部件、板塊和獲勝條件的游戲，因此可以用包含狀態(tài)、動(dòng)作、狀態(tài)轉移、獎勵四個(gè)關(guān)鍵要素的強化學(xué)習方法，通過(guò)訓練一個(gè)智能體，用累計獎勵最大化，讓AI優(yōu)化芯片布局的能力持續增強。從空芯片開(kāi)始，谷歌團隊的系統按順序放置組件，直到實(shí)現一個(gè)完全布局的網(wǎng)表。為了指導系統選擇首先放置的組件，組件按降序由大到小排序；首先放置較大的組件會(huì )減少以后沒(méi)有可行放置的可能性。

訓練該系統需要創(chuàng )建一個(gè)包含10000個(gè)芯片布局的數據集，其中輸入是與給定布局相關(guān)的狀態(tài)，標簽是布局的獎勵（即線(xiàn)長(cháng)和擁塞）。研究人員首先選擇了5個(gè)不同的芯片凈網(wǎng)表，并用AI算法為每個(gè)網(wǎng)表創(chuàng )建2000個(gè)不同的布局位置。該系統花了48個(gè)小時(shí)在英偉達Volta顯卡和10個(gè)CPU上“預訓練”，每個(gè)CPU都有2GB的RAM。在一項測試中，谷歌研究人員將他們的系統建議與手動(dòng)基線(xiàn)——谷歌TPU物理設計團隊創(chuàng )建的上一代TPU芯片設計——進(jìn)行比較。結果顯示，系統和人類(lèi)專(zhuān)家均生成符合時(shí)間和擁塞要求的可行位置，而AI系統在面積、功率和電線(xiàn)長(cháng)度方面優(yōu)于或媲美手動(dòng)布局，同時(shí)滿(mǎn)足設計標準所需的時(shí)間要少得多。
未來(lái)工作：或為芯片設計全自動(dòng)化奠定基礎

谷歌稱(chēng)其系統推廣和生成“高質(zhì)量”解決方案的能力具有“重大影響”，為與芯片設計過(guò)程的早期階段進(jìn)行優(yōu)化提供了機會(huì )。大規模的架構探索以前是不可能的，因為評估給定的架構需要數月的努力。谷歌團隊認為，修改芯片的設計或對性能產(chǎn)生巨大影響，并可能為芯片設計過(guò)程的完全自動(dòng)化奠定基礎。此外，雖然谷歌團隊的系統被用于設計下一代谷歌TPU，但研究人員認為，它可以應用于芯片設計以外的有影響力的放置規劃問(wèn)題，包括城市規劃、疫苗測試分發(fā)和大腦皮層映射等一系列應用。
結語(yǔ)：減少設計芯片時(shí)間，或優(yōu)化供應鏈流程

Nature社論認為，谷歌這一研究大大縮短設計芯片所需的時(shí)間，將極大地幫助提速供應鏈，但技術(shù)專(zhuān)長(cháng)必須廣泛共享，以確保公司的“生態(tài)系統”真正全球化。產(chǎn)業(yè)必須確保節省時(shí)間的技術(shù)不會(huì )趕走擁有必要核心技能的人。更易訪(fǎng)問(wèn)、更高效的微芯片將為自動(dòng)駕駛汽車(chē)、5G通信和AI的發(fā)展提供動(dòng)力，這些機會(huì )不容錯過(guò)。但重要的是，要考慮使用自動(dòng)化設計技術(shù)的更廣泛影響，特別是需要具有相關(guān)技能和專(zhuān)業(yè)知識的人，和提高目前手動(dòng)完成流程的人的技能。芯片布局無(wú)論是手動(dòng)還是自動(dòng)化，都需要計算、電子工程和設備物理方面的專(zhuān)業(yè)知識。這些技能需要時(shí)間來(lái)學(xué)習，在一個(gè)生產(chǎn)微芯片以外許多其他產(chǎn)品的行業(yè)中，同樣非常需要這些技能。至關(guān)重要的是，相關(guān)公司要理解這一點(diǎn)，并采取適當步驟來(lái)滿(mǎn)足其本地和全球的技能需求。自動(dòng)化往往加劇了人們對裁員的擔憂(yōu)。事實(shí)上，保持電子行業(yè)的勢頭，需要有遠見(jiàn)的人和公司來(lái)創(chuàng )造下一代微芯片。來(lái)源：Nature，VentureBeat