Во время конференции GTC Билл Дали, главный исследователь и старший вице-президент по исследованиям NVIDIA, обсудил, как исследовательские группы компании используют искусственный интеллект (ИИ) и машинное обучение (МО) для повышения эффективности проектирования графических процессоров следующего поколения. Далее обсудили использование машинного обучения и искусственного интеллекта для достижения своих целей по созданию более качественного и мощного графического процессора.
NVIDIA обсуждает дизайн графических процессоров и влияние ИИ и машинного обучения на аппаратное обеспечение завтрашнего дня
Билл Дали привел пример использования AI и ML для ускорения стандартной задачи проектирования GPU с трех часов до трех секунд. Оба подхода оптимизированы для четырех процессов, которые являются медленными и очень сложными.
Во время GTC Дали рассказал о четырех основных разделах проектирования графических процессоров и о том, как ИИ и машинное обучение могут оказать существенное влияние. Процессы включают контроль перепадов напряжения питания, прогнозирование отказов, идентификацию и идентификацию проблем, а также автоматизацию миграции элементов.
Планирование напряжения
Это планирование падения напряжения позволяет NVIDIA увидеть, куда расходуется мощность в конструкциях графических процессоров следующего поколения. В то время как стандартные инструменты CAD когда-то помогали в этом процессе, новые инструменты искусственного интеллекта, используемые NVIDIA, могут справиться с этими задачами за секунды, что является значительным временем. Внедрение искусственного интеллекта и машинного обучения повысит точность на 94% и увеличит скорость в геометрической прогрессии.
Прогнозирование паразитных схем
Использование искусственного интеллекта может помочь в прогнозировании паразитных схем. Как дизайнер сети, Билл Дали проводил много времени со своими коллегами над ожидаемыми паразитными проектами, которые возникали в процессе разработки. С текущим методом тестирования NVIDIA они видят снижение ошибок моделирования как минимум на десять процентов. Это улучшение отлично подходит для проектировщиков схем, так как оно позволяет разработчикам опробовать более изобретательные и новаторские концепции проектирования.
Проблемы с расположением и маршрутизацией
Проблемы зонирования и маршрутизации важны для разработки усовершенствованных микросхем, поскольку плохой поток данных может экспоненциально снизить эффективность. Билл Дали говорит, что NVIDIA использует графические нейронные сети (GNN) для исследования и обнаружения всевозможных проблем и быстрого поиска решений, которые в противном случае заняли бы очень много времени в процессе разработки.
Стандартная автоматизация миграции элементов
Без искусственного интеллекта миграция на один чип иногда требует от разработчиков бесчисленных месяцев разработки. Теперь Дали сказал, что «92% библиотеки элементов теперь можно сделать с помощью этого инструмента без ошибок в правилах проектирования или электрических правилах» и что «во многих случаях получается лучший дизайн».
NVIDIA планирует уделять приоритетное внимание искусственному интеллекту и машинному обучению в пяти своих лабораториях. В ходе обсуждений на конференции Билл Дали намекнул, что мы увидим в их новых 7-нм и 5-нм техпроцессах использование автоматической миграции стандартных элементов и что NVIDIA включит линейку Ada Lovelace в эти новые проекты.
