Специалисты из Google Research научили искусственный интеллект проектировать микросхемы. Оказалось, что он справляется с поставленной задачей намного быстрее и лучше, чем человек. Исследование опубликовано в журнале Nature.
Проектирование физического макета чипа является трудоёмким и долгим, даже несмотря на автоматизацию некоторых процессов. Чтобы сделать этот процесс более эффективным специалисты использовали технологию машинного обучения. В частности, они разработали несколько алгоритмов, которые воспринимали задачу создания макета как настольную игру. Подобно шахматам, доска выступает в роли кремниевой пластины, а фигуры — это компоненты (ядра, графика, память и прочее). Алгоритмы видят главную цель в том, чтобы за счёт расположения компонентов достичь максимальной эффективности — производительности и оптимального энергопотребления.
Исследователи использовали 10 тыс. готовых схем проектирования чипов разного качества, после чего проанализировали результаты. Этими показателями алгоритмы Google руководствовались для того, чтобы отличать более эффективные дизайны чипов от менее эффективных, а также создавать свои варианты. На создание одного макета чипа у искусственного интеллекта Google уходит менее шести часов, тогда как человеку для выполнения той же задачи потребуется несколько месяцев.
Слева — схема, разработанная человеком, справа — алгоритмами Google
Если проанализировать работу алгоритмов, то она выглядит немного хаотично, как будто ИИ неаккуратно разбрасывает компоненты по всей пластине. Тем не менее это не сказывается негативно на результатах работы. Исследование показало, что использование нейросетей для создания чипов может помочь в том, чтобы сделать их более производительными. На практике Google использует их для разработки следующего поколения тензорных процессоров Google.
Проектирование физического макета чипа является трудоёмким и долгим, даже несмотря на автоматизацию некоторых процессов. Чтобы сделать этот процесс более эффективным специалисты использовали технологию машинного обучения. В частности, они разработали несколько алгоритмов, которые воспринимали задачу создания макета как настольную игру. Подобно шахматам, доска выступает в роли кремниевой пластины, а фигуры — это компоненты (ядра, графика, память и прочее). Алгоритмы видят главную цель в том, чтобы за счёт расположения компонентов достичь максимальной эффективности — производительности и оптимального энергопотребления.
Исследователи использовали 10 тыс. готовых схем проектирования чипов разного качества, после чего проанализировали результаты. Этими показателями алгоритмы Google руководствовались для того, чтобы отличать более эффективные дизайны чипов от менее эффективных, а также создавать свои варианты. На создание одного макета чипа у искусственного интеллекта Google уходит менее шести часов, тогда как человеку для выполнения той же задачи потребуется несколько месяцев.
Слева — схема, разработанная человеком, справа — алгоритмами Google
Если проанализировать работу алгоритмов, то она выглядит немного хаотично, как будто ИИ неаккуратно разбрасывает компоненты по всей пластине. Тем не менее это не сказывается негативно на результатах работы. Исследование показало, что использование нейросетей для создания чипов может помочь в том, чтобы сделать их более производительными. На практике Google использует их для разработки следующего поколения тензорных процессоров Google.
