엔비디아(Nvidia)는 자체 GPU로 가속한 AI를 사용하여 GPU 개발을 돕고 있다. GPU뿐만 아니라 모든 형태의 칩 제작에 유용할 수 있다.
Nvidia 수석 과학자 Bill Dally는 GTC 컨퍼런스에서 실리콘 개발 프로세스에서 AI의 많은 용도를 발견, 새로운 하드웨어를 설계하기도 했다고 밝혔다.
Dally는 AI가 차세대 칩 개발에 유용할 수 있는 다른 방법도 제시했다. 하나는 비효율적이거나 단순히 무언가가 의도한 대로 작동하지 않을 수 있는 구성 요소 또는 설계의 본질적으로 원하지 않는 요소를 예측하는 것이다. 인간이 이러한 범위를 지정하는 대신 AI가 수행하도록 회로 설계에 필요한 단계 수를 줄이는 것이 가능하다.
Dally는 Nvidia 칩의 레이아웃을 설계하는 데 있어 중요한 설계 선택이 AI의 도움을 받을 수 있다고 설명한다. 이 작업을 트랜지스터로 교통 체증을 피하는 것으로 생각하면 AI는 이러한 교통 체증이 발생할 수 있는 설계자에게 사전 경고, 장기적으로 많은 시간을 절약할 수 있다.
Dally는 “우리는 기본적으로 강화 학습을 사용하여 트랜지스터를 배치한다. 그러나 더 중요한 것은 배치된 후 일반적으로 많은 디자인 규칙 오류가 발생하며 거의 비디오 게임처럼 진행된다. 사실, 이것이 강화 학습의 강점이다. 좋은 예 중 하나는 Atari 비디오 게임에 강화 학습을 사용하는 것이다. Atari 비디오 게임과 비슷하지만 표준 셀의 디자인 규칙 오류를 수정하기 위한 비디오 게임이다. 강화 학습으로 설계 규칙 오류를 제거하면 기본적으로 표준 셀의 설계를 완료할 수 있다”고 설명했다.
Nvidia가 이 자동화된 셀 마이그레이션에 사용하는 도구를 NVCell이라고 하며 이 도구를 사용하여 오류 없이 셀 라이브러리의 92%를 마이그레이션할 수 있다고 한다. 그 세포의 12%는 인간이 디자인한 세포보다 작다.
그는 “이것은 우리에게 두 가지 일을 한다. 하나는 엄청난 노동력 절약이다. 10명 정도의 그룹이 새로운 기술 라이브러리를 이식하는 데 1년 중 더 나은 시간을 할애할 것이다. 이제 몇 개의 GPU로 할 수 있다. 며칠 동안 실행하면 자동으로 처리되지 않은 8%의 셀에서 인간이 작업할 수 있다. 많은 경우에 우리는 더 나은 디자인을 갖게 된다. 노동력을 절약하고 인간이 디자인한 것보다 낫다”고 말했다.
Nvidia는 자체 개발을 위해 이러한 AI 도구를 개발하면 자체 프로세스의 속도를 높일 뿐만 아니라 AI의 이점을 고객에게 더 잘 전달할 수 있다고 설명한다. 고객은 AI를 가속화하기 위해 GPU를 제공한다. 윈-윈 시나리오다.
