Nvidia’nın GPU destekli yapay zekası, ‘insan tasarımından daha iyi’ çipler yaratıyor
Nvidia, Deep Learning Super Sampling (DLSS) ve AI ile hızlandırılmış gürültü giderme gibi tüketiciye yönelik teknolojilerin çoğuyla yapay zeka veriyoluna hızlı bir şekilde atladı. Bununla birlikte, silikon geliştirme sürecinde AI için birçok kullanım alanı buldu ve Nvidia’nın baş bilim adamı Bill Dally bir GTC konferansında, hatta yeni donanım tasarlarken söyledi.
Dally tarafından belirtildiği gibi (diğer şeylerin yanı sıra) en yeni ve en iyi grafik kartlarının kendi geliştirme sürecinde AI için birkaç kullanım senaryosu özetliyor. HPC Teli.
Dally, “Bir yapay zeka uzmanı olarak, bu yapay zekayı alıp daha iyi çipler tasarlamak için kullanmak istememiz doğaldır” diyor.
“Bunu birkaç farklı yolla yapıyoruz. İlk ve en belirgin yol, elimizdeki mevcut bilgisayar destekli tasarım araçlarını alabilmemizdir. Örneğin, GPU’larımızda gücün kullanıldığı yerin haritasını alan bir aracımız var, ve voltaj ızgarasının ne kadar düşeceğini tahmin eder (şimdiki zamanlardaki direnç düşüşü için IR düşüşü denir. Bunu geleneksel bir CAD aracında çalıştırmak üç saat sürer.”
“… bunun yerine yapmak istediğimiz şey, aynı verileri almak için bir AI modelini eğitmek; bunu bir dizi tasarım üzerinden yapıyoruz ve ardından temel olarak güç haritasını besleyebiliyoruz. Çıkarım süresi sadece üç saniyedir. .Tabii ki, özellik çıkarma süresini de eklerseniz 18 dakikadır.
“…çok doğru güç tahminlerini geleneksel araçlardan çok daha hızlı ve çok küçük bir zaman diliminde elde edebiliyoruz,” diye devam ediyor Dally.
Dally, yeni nesil çipler geliştirmek için AI’nın kullanışlı olabileceği diğer yollardan bahseder. Birincisi, verimsiz olabilecek veya basitçe bir şeyin istendiği gibi çalışmamasına neden olabilecek bileşenlerde veya tasarımlarda esasen istenmeyen unsurlar olan parazitleri tahmin etmektir. Bunların kapsamını belirlemek için insan çalışma saatlerini kullanmak yerine, devreleri tasarlamak için gereken adımların sayısını bir yapay zeka yaptırarak azaltmak mümkündür. Bir çeşit dijital parazit koklayıcı köpek gibi.
Ayrıca Dally, Nvidia’nın yongalarının düzenini tasarlamadaki önemli tasarım seçimlerinin AI tarafından desteklenebileceğini açıklıyor. Bu işi transistörlerle trafik sıkışıklığından kaçınmak olarak düşünün ve muhtemelen o kadar uzakta olmazsınız. AI’nın önünde, bu trafik sıkışıklığının meydana gelebileceği tasarımcıları önceden uyararak uzun vadede çok zaman kazandırabilecek bir geleceği olabilir.
Dally’nin açıkladığı tüm kullanım örneklerinden belki de en ilginç olanı, standart hücre göçünün otomatikleştirilmesidir. tamam, olmaz ses tüm bu ilginç, ama aslında öyle. Esasen, bir bilgisayar çipinin temel yapı taşı gibi bir hücreyi daha yeni bir işlem düğümüne taşıma sürecini otomatikleştirmenin bir yolu.
Yani bu bir Atari video oyununa benziyor, ancak standart bir hücrede tasarım kuralı hatalarını düzeltmek için bir video oyunu.
Bill Dally, Nvidia
“Yani, ne zaman yeni bir teknoloji edinsek, diyelim ki yedi nanometrelik bir teknolojiden beş nanometrelik bir teknolojiye geçiyoruz, bir hücre kitaplığımız var. Bir hücre bir VE kapısı ve VEYA kapısı, tam bir toplayıcı gibi bir şeydir. Aslında, çok karmaşık bir dizi tasarım kuralıyla yeni teknolojide yeniden tasarlanması gereken bu hücrelerden binlercesi var,” diyor Dally.
“Temel olarak bunu, transistörleri yerleştirmek için pekiştirmeli öğrenmeyi kullanarak yapıyoruz. Ama daha da önemlisi, yerleştirildikten sonra, genellikle bir sürü tasarım kuralı hatası oluyor ve neredeyse bir video oyunu gibi ilerliyor. Aslında, olan bu. pekiştirmeli öğrenme iyidir. Harika örneklerden biri, Atari video oyunları için pekiştirmeli öğrenmeyi kullanmaktır. Yani bu bir Atari video oyunu gibidir, ancak standart bir hücrede tasarım kuralı hatalarını düzeltmek için bir video oyunudur. Bunları inceleyerek ve düzelterek pekiştirmeli öğrenme ile tasarım kuralı hataları, standart hücrelerimizin tasarımını temel olarak tamamlayabiliriz.”
Nvidia’nın bu otomatik hücre geçişi için kullandığı araca NVCell denir ve bildirildiğine göre hücre kitaplığının %92’si bu araç kullanılarak hatasız bir şekilde taşınabilir. Daha sonra bu hücrelerin %12’si insan tasarımı hücrelerden daha küçüktü.
“Bu bizim için iki şey yapıyor. Biri, büyük bir emek tasarrufu. 10 kişilik bir grup, yeni bir teknoloji kitaplığı taşımak için yılın daha iyi bir bölümünü alacak. Şimdi birkaç GPU ile yapabiliriz. Sonra insanlar otomatik olarak yapılmayan hücrelerin yüzde 8’i üzerinde çalışabilirler ve çoğu durumda daha iyi bir tasarım da elde ederiz. “
Nvidia, GPU geliştirmesini hızlandırmak için kendi GPU’ları tarafından hızlandırılan AI kullanıyor. Güzel. Ve elbette bu gelişmelerin çoğu, sadece GPU’larda değil, herhangi bir çip yapımında faydalı olacaktır.
Nvidia için zamanı akıllıca kullanmak: Bu yapay zeka araçlarını kendi gelişimi için geliştirmek, yalnızca kendi süreçlerini hızlandırdığını görmekle kalmaz, aynı zamanda yapay zekayı hızlandırmak için GPU’lar sağladığı müşterilerine yapay zekanın faydalarını daha iyi satmasını sağlar. . Bu yüzden Nvidia’nın bunu bir kazan-kazan senaryosu olarak gördüğünü hayal ediyorum.
Dally ile konuşmanın tamamına şuradan göz atabilirsiniz: Nvidia web sitesiancak bunu yapmak için Nvidia’nın Geliştirici Programına kaydolmanız gerekecek.
Kaynak : https://www.pcgamer.com/nvidias-gpu-powered-ai-is-creating-chips-with-better-than-human-design
İlginizi Çekebilir
