Google이 칩 레이아웃 설계를 향상시키기 위해 설계된 강화 학습 방법인 AlphaChip을 소개했습니다. 이 기술은 전통적으로 긴 시간과 많은 노력이 필요한 칩 플로어플래닝의 시간과 비용을 크게 줄이는 것을 목표로 하고 있습니다. 인간 설계자는 복잡한 칩 레이아웃을 만드는 데 보통 약 24개월이 걸리지만, AlphaChip은 성능, 전력 효율성 및 면적을 최적화하여 단 몇 시간 만에 이를 완료할 수 있습니다.
AlphaChip은 Google의 Tensor Processing Units (TPUs) 설계에 활용되었으며, MediaTek에서도 채택되었습니다. 이 AI 시스템은 칩 플로어플래닝을 게임처럼 다루며, 그리드에 하나의 회로 구성 요소를 배치하고 각 레이아웃을 해결하면서 학습합니다. 이러한 접근 방식은 인간이 생성한 레이아웃에 비해 다양한 TPU 버전에서 배선 길이를 줄이는 등 우수한 설계를 이끌어냈습니다.
2020년 시작된 AlphaChip은 최신 6세대 Trillium 칩을 포함한 후속 TPU 세대의 설계를 개선해왔습니다. Google과 MediaTek 모두 여전히 대부분의 작업에 인간 개발자에게 의존하고 있지만, AlphaChip은 다양한 칩 블록에 대해 사전 훈련을 통해 다양한 프로세서 유형에 일반화할 수 있는 능력을 보여주었습니다.
AlphaChip의 성공은 칩 설계에서 AI 응용 프로그램에 대한 새로운 연구를 촉발했으며, 이는 논리 합성, 매크로 선택 및 타이밍 최적화로의 사용 확대 가능성을 열어줍니다. Google은 AI 기반 최적화가 전체 칩 설계 생애 주기를 혁신할 수 있을 것으로 기대하고 있으며, 더 빠르고 작고 에너지 효율적인 칩으로 이어질 것이라고 전망하고 있습니다. AlphaChip의 미래 버전은 이미 개발 중에 있으며, AI 지원 칩 설계의 추가 발전을 약속하고 있습니다.
* 이 글은
tomshardware.com의 기사를 요약한 것입니다. 전체 기사의 내용은
이곳에서 확인하실 수 있습니다.