耗时3小时到仅3秒,nvidia以gpu执行ai技术设计最新gpu-凯发k8手机客户端

来源:科技新报       

外媒《tomshardware》报导,gpu大厂英伟达(nvidia)首席科学家最近谈到研发团队如何使用gpu加速改进新gpu设计。利用机器学习(ml)和人工智能(ai)技术,已调整四个复杂且传统耗时的过程。范例之一使用ai/ml技术将常见更新gpu设计任务从3小时缩短到3秒。

报道指出,bill dally是英伟达的首席科学家和研究高级副总裁,在他的近期的演讲中指出,nvidia的gpu设计包含着四大重要关键。而在这四大重要关键当中,降低映射电压(mapping voltage drop)、预测寄生效应(predicting parasitics)、电路设计布局与挑战(placeand routing challenges)、自动化标准单元迁移(automating standard cell migration)等,当中ai/ml技术可以发挥强大的功能。其中,在降低映射电压部分,dally表示,使用传统的cad工具可以协助大约在3个小时内得到结果。但是,通过ai/ml技术的训练辅助,可以将计算时间缩短到3秒内完成,从而缩短了94%的时间。

至于,在使用ai技术预测寄生效应方面,在ai技术架构的新模型下,不但将误差比例降低到10%以下,还加快了工程师在gpu更新上的设计时间,这让工程师不再耗费大俩的时间成本在进行实验,能进一步有更多的时间进行创新研究。另外,在电路设计布局与挑战方面,bill dally这对于芯片设计非常重要,因为它们就像在繁忙的大都市中规划道路一样。错误的电路设计与布局将导致交通(数据)的堵塞。因此,通过使用图神经网络(gnn)分析芯片设计中的这一问题,有助于凸显关注领域,并智能化的处理问题。

最后,使用ai来加强自动化标准单元迁移部分,bill dally指出,这是英伟达芯片设计工具箱中另一个非常有用的工具。例如,以前将芯片设计从7纳米制成转移到5纳米,其过程所需的膨大成本与时间投入。但是,使用强化学习ai技术,92%的单元都可以借由这个工具完成,而且其中没有设计规则或电气规则错误问题。这其中因为节省了大量劳力成本而受到欢迎,而且在大多数情况下,最终nvidia也得到了更好的设计产品。

事实上,nvidia研究的需求是试图通过开发由gpu运行的软件系统和技术,来推动nvidia发展产品的需求。目前英伟达有3个不同的图像研究小组,以推动电脑图形方面的发展。另外,还有5个不同的ai小组,因为gpu应用ai技术是一件大事,而且当前的规模是越来越大。此外,还有负责机器人和自动驾驶汽车的小组,并有多个实验室进一步推动这些技术与应用的发展。

封面图片来源:拍信网

网站地图