A Nvidia é uma das principais designers de chips usados para aceleração de inteligência artificial (IA) e aprendizado de máquina (ML). Portanto, é provável que pareça ser um dos pioneiros na aplicação de IA ao design de chips. Hoje publicou um papel (abre em nova aba) e postagem no blog (abre em nova aba) revelando como seu sistema AutoDMP pode acelerar o planejamento de piso de chip moderno usando otimização AI/ML acelerada por GPU, resultando em uma aceleração de 30X em relação aos métodos anteriores.
AutoDMP é a abreviação de Automated DREAMPlace-based Macro Placement. Ele foi projetado para se conectar a um sistema de automação de design eletrônico (EDA) usado por projetistas de chips, para acelerar e otimizar o processo demorado de encontrar posicionamentos ideais para os blocos de construção dos processadores. Em um dos exemplos de AutoDMP da Nvidia em funcionamento, a ferramenta alavancou sua IA no problema de determinar um layout ideal de 256 núcleos RSIC-V, respondendo por 2,7 milhões de células padrão e 320 macros de memória. O AutoDMP levou 3,5 horas para criar um layout ideal em uma única Nvidia DGX Station A100.
A colocação de macro tem um impacto significativo no cenário do chip, “afetando diretamente muitas métricas de design, como área e consumo de energia”, observa a Nvidia. A otimização dos posicionamentos é uma tarefa fundamental do projeto para otimizar o desempenho e a eficiência do chip, o que afeta diretamente o cliente.
Sobre o funcionamento do AutoDMP, a Nvidia diz que seu posicionador analítico “formula o problema de posicionamento como um problema de otimização do comprimento do fio sob uma restrição de densidade de posicionamento e o resolve numericamente”. Os algoritmos acelerados por GPU oferecem uma aceleração de até 30x em comparação com os métodos anteriores de posicionamento. Além disso, o AutoDMP oferece suporte a células de tamanhos mistos. Na animação superior, você pode ver o AutoDMP colocando macros (vermelho) e células padrão (cinza) para minimizar o comprimento do fio em uma área restrita.
Falamos sobre os benefícios de velocidade de projeto do uso do AutoDMP, mas ainda não abordamos os benefícios qualitativos. Na figura acima, você pode ver que, em comparação com sete designs alternativos existentes para um chip de teste, o chip otimizado para AutoDMP oferece benefícios claros em comprimento de fio, potência, pior folga negativa (WNS) e folga negativa total (TNS). Os resultados acima da linha são uma vitória do AutoDMP contra os vários designs rivais.
O AutoDMP é de código aberto, com o código publicado no GitHub.
A Nvidia não é o primeiro designer de chips a alavancar a IA para layouts ideais; em fevereiro, informamos sobre a Synopsys e sua ferramenta de automação DSO.ai, que já foi usada para 100 fitas comerciais. A Synopsys descreveu sua solução como um “engenheiro especialista em uma caixa”. Acrescentou que o DSO.ai era uma ótima opção para projetos de silício multi-die da moda, e seu uso libertaria os engenheiros do trabalho iterativo enfadonho, para que eles pudessem usar seus talentos para mais inovação.