Finflash logo Finflash logo
Forklog 2021-06-10 10:50:00

Google ускорила разработку чипов с месяцев до шести часов с помощью ИИ

Исследователи из Google Research использовали обучение с подкреплением для ускорения создания чипов с нескольких месяцев до шести часов. По их словам, искусственный интеллект не уступает опытным инженерам. Last year we shared how #ReinforcementLearning could hasten the design of accelerator chips (https://t.co/7KqG2pqTqh). Today we're publishing improved methods, which we've used in production to design the next generation of Google TPUs. Read more in Nature https://t.co/gOQVmbWdeV— Google AI (@GoogleAI) June 9, 2021 Для достижения такого результата исследователи превратили проектирование чипа в игру. Компоненты процессора выступили в роли фишек, а холст, на котором они расположены, обозначили как игральную доску. Производительность чипа оценивали с помощью показателей, основанных на базовых наборах данных о размещении 10 000 фишек. В «игре» побеждала та модель, которая показала максимальную эффективность, рассказали в Google. Инженеры обнаружили, что за шесть часов алгоритмы разработали чипы, которые не уступали, а иногда и превосходили образцы, спроектированные людьми в течение нескольких месяцев. «Наш метод позволяет создавать технологические планы изготовления микросхем менее чем за шесть часов, по сравнению с самым надежным исходным уровнем, который требует месяцев интенсивных усилий со стороны экспертов-людей», — говорится в исследовании. Разработчики подчеркнули, что их подход не только экономит время, но и улучшает качество разработок. Они добавили, что уже применили метод при проектировании тензорного процессора TPUv4, представленного в мае 2021 года. Впервые Google сообщила, что экспериментирует с искусственным интеллектом для разработки чипов в 2020 году. Напомним, в мае ученые представили суперкомпьютер Perlmutter для искусственного интеллекта, который поможет построить самую большую в истории 3D-карту видимой Вселенной. В начале мая года исследователи разработали ИИ, который моделирует Вселенную на одном графическом процессоре в 1000 раз быстрее существующих методов. В апреле ученые представили механизм глубокого обучения, который работает на центральном процессоре и тренирует нейронные сети в 15 раз быстрее, чем на платформах с видеоускорителями. Подписывайтесь на новости ForkLog в Telegram: ForkLog AI — все новости из мира ИИ!

Read the Disclaimer : All content provided herein our website, hyperlinked sites, associated applications, forums, blogs, social media accounts and other platforms (“Site”) is for your general information only, procured from third party sources. We make no warranties of any kind in relation to our content, including but not limited to accuracy and updatedness. No part of the content that we provide constitutes financial advice, legal advice or any other form of advice meant for your specific reliance for any purpose. Any use or reliance on our content is solely at your own risk and discretion. You should conduct your own research, review, analyse and verify our content before relying on them. Trading is a highly risky activity that can lead to major losses, please therefore consult your financial advisor before making any decision. No content on our Site is meant to be a solicitation or offer.