Diseñar chips es cada vez más difícil. Estos ingenieros dicen que los chatbots y la inteligencia artificial pueden ayudar.
Nvidia, la empresa de software de diseño de chips Synopsys y el mundo académico están descubriendo cómo la IA generativa puede acelerar y simplificar el diseño de semiconductores avanzados.
6 de febrero de 2024 7:00 am ET
La tecnología detrás de la IA generativa como ChatGPT se ha disparado, alimentando la demanda de chips que puedan manejar la potencia de procesamiento que estos programas necesitan. WSJ visitó el laboratorio de chips de Amazon para ver cómo funcionan estos chips y por qué los titanes de la tecnología creen que son el futuro. Ilustración: John McColgan
Al utilizar los sistemas de inteligencia artificial que impulsan ChatGPT, los investigadores esperan acelerar el diseño de hardware (que puede llevar medio año o más para los microchips más complejos) a cuestión de un mes o menos, dijo Siddharth Garg, profesor asociado de electricidad del instituto. e ingeniería informática en la Escuela de Ingeniería Tandon de la Universidad de Nueva York.
El año pasado, el fabricante de chips NVIDIA , las empresas de diseño de chips Sinopsis y Sistemas de diseño de cadencia y una gran cantidad de investigadores desarrollaron herramientas de inteligencia artificial diseñadas para acelerar el trabajo de los ingenieros escribiendo código de hardware automáticamente y verificándolo, y ayudando a grandes equipos de diseñadores a trabajar. juntos resumiendo notas y actualizaciones de estado.
Siddharth Garg, profesor asociado del instituto de ingeniería eléctrica e informática de la Universidad de Nueva York.
Las medidas para acelerar el ritmo del diseño se producen en un momento en que el suministro de chips de IA especializados ha sido escaso desde que el auge de la IA del año pasado impulsó la producción de las unidades de procesamiento de gráficos o GPU de Nvidia .
Al mismo tiempo, el fin anticipado de la Ley de Moore , que postula que aproximadamente cada dos años se duplica el número de transistores en un chip, ha llevado a las empresas a explorar nuevas arquitecturas de chips y la producción de chips más especializados. Los expertos dicen que no hay suficientes ingenieros estadounidenses que puedan diseñar estos chips avanzados para IA y aplicaciones específicas como automóviles y drones autónomos, cuya demanda está creciendo.
La herramienta de inteligencia artificial de Synopsys, llamada Synopsys.ai Copilot y anunciada el otoño pasado, fue construida con microsoft utilizando los modelos de lenguaje grande de OpenAI y está destinada a ayudar a los ingenieros a colaborar, dijo Shankar Krishnamoorthy , gerente general del grupo de automatización de diseño electrónico de la compañía. El equipo interno de silicio de Microsoft está utilizando la herramienta para satisfacer sus necesidades de ingeniería, dijo la compañía.
La herramienta Synopsys AI responde preguntas sobre cómo utilizar las herramientas de diseño de la empresa y puede crear scripts de flujo de trabajo. También puede generar RTL, una forma de lenguaje de diseño de chips que especifica la arquitectura del chip, simplemente manteniendo una conversación en inglés sencillo.
Diseñar chips es cada vez más difícil.
Debido a su capacidad para procesar miles de tareas al mismo tiempo, los chips como las GPU requieren casi 1.000 personas para construirlos, y cada uno debe comprender cómo funcionan juntas las piezas del diseño mientras trabajan para mejorarlas continuamente, dijo Bryan Catanzaro, vicepresidente de Nvidia. de la investigación aplicada en aprendizaje profundo.
Para ayudar, Nvidia desarrolló ChipNeMo, un sistema de inteligencia artificial personalizado con sus propios datos para realizar tareas como responder preguntas sobre la arquitectura de la GPU y generar código de lenguaje de diseño de chips. La compañía entrenó su sistema sobre modelos que incluyen Llama 2 de código abierto de Meta Platforms , y el sistema está diseñado para usarse con herramientas de automatización de diseño existentes como las de Synopsys.
En el año transcurrido desde que los ingenieros de Nvidia comenzaron a usar ChipNeMo, Catanzaro dijo que lo encontraron más útil para capacitar a ingenieros jóvenes y resumir notas y actualizaciones de estado para lo que pueden ser 100 equipos diferentes.
También se están llevando a cabo múltiples esfuerzos de investigación en universidades, incluida la Universidad de Nueva York, para determinar otras formas en que la IA generativa puede acelerar el diseño de chips, algunas de las cuales están financiadas por empresas como Synopsys y el gigante de chips para teléfonos móviles Qualcomm
QTcore-C1, un chip nombrado y diseñado por investigadores de la Universidad de Nueva York a través de conversaciones con ChatGPT. FOTO DE : HAMMOND PEARCE
Un equipo de la Escuela de Ingeniería Tandon de la Universidad de Nueva York diseñó un chip en el transcurso de aproximadamente un mes conversando con ChatGPT. La técnica, denominada “Chip Chat”, permitió a los investigadores escribir automáticamente Verilog, un lenguaje de diseño de chips que describe la funcionalidad de un chip, simplemente hablando con el chatbot, dijo Garg de la Universidad de Nueva York.
Pero las herramientas basadas en IA no pueden hacerlo todo. En este momento, son principalmente útiles para cosas como capacitar a diseñadores de chips más jóvenes, escribir lenguajes de hardware y reportar errores, dijo David Pan, profesor de ingeniería eléctrica e informática en la Universidad de Texas en Austin, quien ha asesorado a algunos de los investigadores involucrados en la construcción. este tipo de herramientas de IA en empresas y universidades.
Las herramientas actuales tienen otras limitaciones: los ingenieros humanos deben validar cuidadosamente los resultados generados por la IA, y aún no existe una solución que pueda automatizar todo el proceso de diseño del chip, desde el diseño hasta la verificación, la implementación de los transistores del diseño y la verificación de las propiedades eléctricas del diseño.
Krishnamoorthy, de Synopsys, estimó que la capacidad de crear de forma autónoma un chip funcional utilizando IA generativa está a unos cinco años de distancia, especialmente teniendo en cuenta las “alucinaciones ” o fallos de encendido de la IA.