NVIDIA ya usa IA para diseñar chips: «Es hasta 30 veces más rápida»
NVIDIA va siempre por delante y ahora con el auge de la IA, que ella misma ha impulsado desde el lado del hardware, está creando nuevos diseños mediante aprendizaje automático de alto rendimiento. No fue la primera en hacerlo, eso es cierto, pero puede que sea la que más avanzado tiene todo el proceso con Inteligencia Artificial para diseñar chips, puesto que lo que ha mostrado es un paso de gigante hacia una serie de GPU que pueden cambiar el curso del hardware. NVIDIA afirma que su IA es hasta 30 veces más rápida en colocación de macros para el diseño de los chips, ¿cómo lo hace? Con una herramienta llamada AutoDMP.
En el diseño de los chips hay muchos factores a tener en cuenta, pero todo comienza como siempre con las unidades más básicas. Aquí encontraremos a las llamadas Macros, que forman bloques de memoria o analógicos, dependiendo del uso, y a las famosas celdas, que no son otra cosa que componentes básicos para el diseño digital. Pues bien, la Inteligencia Artificial se está volviendo una experta en lanzar soluciones en tiempo récord.
La IA de NVIDIA es hasta 30 veces más rápidas con Macros y Celdas
Posicionar correctamente las macros y las celdas en un chip da como resultado un incremento de la eficiencia o de la frecuencia del mismo muy grande. Los diseñadores tenían que reorganizar todas ellas para encontrar las ubicaciones óptimas de manera que se consiguiese el menor consumo, la mejor potencia de entrega de energía, y sobre todo, un área total optimizada que permitiese incluir más elementos en el mismo espacio.
Aquí es donde entra la IA de NVIDIA con su Reinforcement learning method o RL method, un sistema que es entrenado por una red neuronal para mejorar la calidad de las ubicaciones de las macro. A base de prueba y error, el algoritmo de la IA aprende a posicionarlas cada vez mejor y de forma más rápida.
NVIDIA afirma que se necesitan 20 GPU y 200 CPU para entrenar un modelo durante más de 10 horas para sacar datos clave. Por ello, tiene además otro método llamado Concurrent placement method CP method, el cual es más complejo porque usa los datos de RL method y añade las celdas a la ecuación.
Aquí lo que se busca es optimizar estos dos parámetros buscando acortar la longitud de los mismos entre sus unidades y por lo tanto, mejorar la densidad. El método trabaja con herramientas de alto valor para la industria como son las EDA, por lo que NVIDIA cree que hay todavía margen de mejora, ya que un sistema que coloque de forma simultánea las celdas y las macros una vez calculadas.
DREAMplace, la colocación de las macros acelerada
De código abierto y un paso más en los algoritmos de IA para creación de chips de NVIDIA. Así es DREAMplace, el cual tiene un objetivo más tras usar RL method o CP method: optimizar con lo conseguido anteriormente la longitud del cable según la densidad de la ubicación.
DREAMplace calcula numéricamente la longitud de los cables de interconexión así como los gradientes de densidad mediante algoritmos que son acelerados por GPU.
Esto da un resultado sorprendente, puesto que logra multiplicar por 30 el rendimiento frente al trabajo tradicional de los ingenieros.
Una vez que tiene la longitud y el gradiente de densidad, resulta que también puede hacer el trabajo de colocación en tiempo real de los mismos, donde se acelera en más de 16 veces frente a lo que se iba haciendo ahora. Todo esto añadido a la evaluación PPA de dos pasos da como resultado el llamado AutoDMP.
AutoDMP: la IA al servicio de los ingenieros de diseños
El sistema de IA se integra con una herramienta EDA comercial, es totalmente compatible y lanza 16 procesos paralelos para probar los parámetros con DREAMplace durante la optimización en tiempo real de las celdas y las macros, así como todo lo descrito. NVIDIA afirma que una vez van terminando los cálculos AutoDMP envía los datos al flujo de trabajo de la EDA que tenga el diseñador y se ejecuta en un servidor con CPU.
Para comprobar cuán eficiente es en general este AutoDMP con IA frente a un diseño comercial común usan el benchmark TILOS, donde este sistema está ofreciendo valores positivos que indican mejores resultados finales.
Por lo tanto, NVIDIA espera que mientras que la IA con AutoDMP trabaje en estos parámetros de optimización y colocación, los ingenieros puedan trabajar en aspectos más complejos del diseño superior y juntos, puedan desbloquear nuevas técnicas para mejorar los diseños.