구글 딥마인드 알파칩 등장! Synopsis Cadence EDA 회사

[힘힘]

2달 걸리는 걸 하루만에... 심지어 무료! 반도체의 알파고 - 구글 딥마인드 알파칩 등장! Synopsis Cadence EDA 회사들 현황

google-research/circuit_training

GitHub - google-research/circuit_training

AlphaChip: 분산형 심층 강화 학습을 사용하여 칩 평면도를 생성하는 오픈소스 프레임워크입니다.

빠른 칩 설계를 위한 그래프 배치 방법론

• 아잘리아 미르호세이니 ,
• 안나 골디 ,
• 무스타파 야즈간 ,
• 조 웬지 지앙 ,
• 에브라힘 송고리 ,
• 션 왕 ,
• 이영준 ,
• 에릭 존슨 ,
• 옴카르 파탁 ,
• 아자데 노바 ,
• 지우 박 ,
• 앤디 통 ,
• 카비아 스리니바사 ,
• 윌리엄 핸 ,
• 엠레 툰서 ,
• 쿠옥 V. 르 ,
• 제임스 로던 ,
• 리차드 호 ,
• 로저 카펜터 &
• 제프 딘 

자연 용량 594 , 페이지207–212 ( 2021 ) 이 기사 인용

•  
•  
•  
•  

본 기사의 부록 은 2024년 9월 26일에 게시되었습니다.

이 기사에 대한 저자 수정 사항은 2022년 3월 31일에 게시되었습니다.

이 기사는 업데이트 되었습니다 .

추상적인

칩 플로어 플래닝은 컴퓨터 칩의 물리적 레이아웃을 설계하는 엔지니어링 작업입니다. 50년간의 연구에도 불구하고 1 칩 플로어 플래닝은 자동화에 도전하여 물리적 설계 엔지니어가 제조 가능한 레이아웃을 생산하기 위해 수개월에 걸쳐 집중적인 노력을 기울여야 했습니다. 여기서 우리는 칩 플로어 플래닝에 대한 심층 강화 학습 접근 방식을 제시합니다. 6시간 이내에 우리의 방법은 전력 소비, 성능 및 칩 면적을 포함한 모든 주요 지표에서 인간이 생성한 것보다 우수하거나 비슷한 칩 플로어 플래닝을 자동으로 생성합니다. 이를 달성하기 위해 우리는 칩 플로어 플래닝을 강화 학습 문제로 설정하고 칩의 풍부하고 전달 가능한 표현을 학습할 수 있는 에지 기반 그래프 합성 신경망 아키텍처를 개발합니다. 결과적으로 우리의 방법은 과거 경험을 활용하여 문제의 새로운 인스턴스를 더 빠르고 더 잘 해결하여 인간 설계자보다 더 많은 경험을 가진 인공 에이전트가 칩 설계를 수행할 수 있도록 합니다. 우리의 방법은 차세대 Google 인공 지능(AI) 가속기를 설계하는 데 사용되었으며, 새로운 세대마다 수천 시간의 인간 노력을 절약할 수 있는 잠재력이 있습니다. 마지막으로, 우리는 더욱 강력한 AI 설계 하드웨어가 AI의 발전을 촉진하여 두 분야 간에 공생 관계를 형성할 것이라고 믿습니다.

이는 귀하의 기관을 통해 액세스할 수 있는 구독 콘텐츠의 미리보기입니다.