Recentemente, o Google DeepMind anunciou seu mais novo sistema de IA — AlphaChip. Este sistema visa acelerar e otimizar o desenvolvimento de chips de computador, e o layout de chips projetado pelo AlphaChip já está sendo usado nos aceleradores de IA do Google.
O funcionamento do AlphaChip é semelhante ao do AlphaGo e AlphaZero, que já conhecemos, utilizando a técnica de aprendizado por reforço para gerar rapidamente layouts de chips otimizados.
De acordo com o Google DeepMind, o AlphaChip já foi usado nas três últimas gerações de aceleradores de IA de unidades de processamento de tensor (TPU). No mais recente TPU de sexta geração — Trillium — o AlphaChip realizou o projeto de layout de 25 módulos, reduzindo o comprimento dos fios em 6,2% em comparação com especialistas humanos. Isso demonstra uma melhoria significativa no desempenho do AlphaChip.
O processo de design do AlphaChip pode ser imaginado como um jogo, onde o sistema posiciona componentes de circuito em uma grade, um após o outro. Para ajudar o sistema a aprender a relação entre os componentes conectados e a generalizar para diferentes chips, o DeepMind desenvolveu uma rede neural gráfica. Vale ressaltar que não apenas o Google, mas outras empresas, como a fabricante de chips MediaTek, também estão utilizando o AlphaChip, especialmente no desenvolvimento de seus chips mais avançados, como o chip 5G principal Dimensity para smartphones Samsung.
Além de aumentar a velocidade e a eficiência do design de chips, o Google DeepMind também prevê o potencial de otimizar ainda mais todo o ciclo de design de chips. Versões futuras do AlphaChip devem abranger todos os aspectos, da arquitetura de computadores à fabricação, com o objetivo de tornar os chips mais rápidos, baratos e econômicos.
Para isso, o DeepMind também está disponibilizando alguns recursos do AlphaChip como código aberto. Eles lançaram uma biblioteca de software que permite reproduzir completamente os métodos descritos na pesquisa original. Pesquisadores externos podem usar essa biblioteca para pré-treinar diferentes módulos de chips e, em seguida, aplicá-los a novos módulos.
Além disso, o DeepMind fornece um ponto de verificação de modelo pré-treinado com 20 módulos TPU, sugerindo que os pesquisadores externos façam o pré-treinamento em módulos de aplicativos específicos para obter melhores resultados. O DeepMind também forneceu tutoriais sobre como usar esses recursos de código aberto para pré-treinamento e os carregou no GitHub.
Destaques:
🌟 AlphaChip é um sistema de IA lançado pelo Google DeepMind, projetado para acelerar e otimizar o design de chips.
🔍 Este sistema já foi aplicado na mais recente série de TPUs do Google e alcançou uma otimização significativa no layout.
📚 O DeepMind está disponibilizando alguns recursos do AlphaChip como código aberto, permitindo que pesquisadores externos utilizem esses recursos para pré-treinamento e aplicação.
