チップは AI 開発を加速し、AI はチップの進歩を促進するのでしょうか?

Google のチップ設計アルゴリズム「AlphaChip」が正式に発表されました。

ディープマインドCEOのハサビス氏は「これでループは閉じた」と冗談を言った。

最高のチップ設計アルゴリズムをトレーニングする → それを使用してより優れた AI チップを設計する → それを使用してより優れたモデルをトレーニングする → さらに優れたチップを設計する → ...

AlphaChip はわずか数時間で人間レベルのパフォーマンスに匹敵するチップ設計を生成できることは注目に値します。

AlphaChip は Google の最も強力な TPU 「Trillium」の設計に参加しており、TPU は Gemini、Imagen、Veo などの新しいアルゴリズムもトレーニングしています。

MediaTekやSamsungなどのチップメーカーも実際の生産に使用しています。

インテルは現在、変革の過程で逆風に直面し、買収をめぐる混乱に巻き込まれている。ネットユーザーからは次のような提案が出ている。

Google はなぜ Intel を買収しないのでしょうか?

Google によれば、AlphaChip は高速になっただけでなく、必要な計算リソースも少なくなり、人間の専門家のレベルに到達したという。

Google は最新リリースで、事前トレーニング済みのバージョンもオープンソース化し、AlphaChip を使用したチップを誰でも簡単に開発できるようにしました (ただし、事前トレーニングの方が依然として優れた結果が得られます)。

見物人たちは非常に興奮していました。

これは本当に素晴らしい貢献であり、エンジニアリング分野にとって非常に重要です。

AIチップの設計は数時間で完了

振り返ってみると、AlphaChip の最も初期の結果は 2020 年にプレプリントとして公開され、その後 2021 年に Nature に掲載されました。

しかし、Googleがこれに正式名称をつけたのが今日になってから。作者の一人はジェフ・ディーンです。

AlphaChip、AlphaGo、AlphaZero は同様の原理を共有しており、すべて深層強化学習に基づいています。

AlphaZero は囲碁とチェスのルールを習得しており、AlphaChip はチップレイアウトの計画をゲームとして扱います。

チップには通常、数十億個のトランジスタが含まれ、それらが合わさって数千万個の論理ゲートを形成し、標準セルを形成します。さらに、マクロブロックと呼ばれる数千個のメモリブロックが存在します。

チップの設計にはコンポーネントの配置の決定が含まれます。コンポーネントの配置方法は、チップの処理速度と電力効率に影響します。

従来の手法では、マクロブロックを配置するステップだけでも非常に時間がかかります。スタンダードセルのためのスペースを確保するために、各反復処理には数日、場合によっては数週間かかることもあります。

AlphaChip は、以前のチップレイアウトを学習して新しい設計ソリューションを生成する深層強化学習に基づいています。

マクロと標準セルを平面キャンバスにマッピングし、数百万から数十億のノードを持つ「チップ ネットリスト」を形成します。

空のセルから始めて、すべての回路要素が配置されるまで、回路要素を1つずつ配置します。アルゴリズムは、電力、性能、面積（PPA）を最適化し、確率分布を出力します。最後に、レイアウト品質に基づいて報酬を計算します。

新しいエッジベースのグラフ ニューラル ネットワークである AlphaChip は、相互接続されたチップ コンポーネント間の関係を学習し、それをチップ全体に適用できるため、AlphaChip は設計の各レイアウトを改善できます。

下の画像の左側は、ゼロサンプル条件下でオープンソースの Ariane RISC-V CPU を AlphaChip とともにデプロイした結果を示しており、右側の画像は、事前トレーニング戦略 (20 個の TPU を設計) に基づく微調整の効果を示しています。

反復作業を通じて、AlphaChip のチップ設計のパフォーマンスと速度は以前のバージョンに比べて大幅に向上し、人間の専門家に匹敵するレベルに達しました。

Google は、現在 Google の最も先進的な 3 つの AI コンピューティング チップである TPU v5e、TPU v5p、および Trillium の設計において AlphaChip の有効性を挙げました。

AI設計チップは新たなパラダイムになりつつあります。

AlphaChip チームが以前、偽造に関する論争に巻き込まれたことがあることは言及する価値がある。

Google Brainの社員であるサトラジット・チャタジー氏は、ネイチャー誌に掲載されたチームの論文について社内で疑問を呈し、一部の論拠は支持できず、実験は適切に検証されていないと主張した。2022年3月、同氏はGoogleから解雇された。

(一つの推測: これが AlphaChip がまだ正式にリリースされていない理由の 1 つかもしれません)

しかし、AI を使ったチップを設計しているのは Google だけではありません。

Nvidia の H100 も設計に AI を組み込んでいます。

深層強化学習エージェントを活用して回路を設計することで、H100 の約 13,000 個の回路が AI によって設計されました。

以前、サムスンがExynosプロセッサの設計にSynopsysのDSO.aiを使用したとも報じられていた。

当時、Synaptics は DSO.ai がプロセッサ設計に使用された最初の商用 AI ソフトウェアであると大いに誇りに思っていました。

生成AIの波の中で、ケイデンスもAI設計チップの開発を推進し、Optimization AIソリューションを発表しました。さらに、大規模言語モデル（LLM）などの基盤モデルを活用してエンジニアの生産性を大幅に向上させるCadence Copilotも提供しています。

参考リンク:
[1]https://deepmind.google/disco... [2]https://x.com/demishassabis/s... [3]https://x.com/JeffDean/status...