外媒《tomshardware》報導，GPU 大廠輝達 (NVIDIA) 首席科學家最近談到研發團隊如何使用 GPU 加速改進新 GPU 設計。利用機器學習 (ML) 和人工智慧 (AI) 技術，已調整四個複雜且傳統耗時的過程。範例之一使用 AI / ML 技術將常見更新 GPU 設計任務從 3 小時縮短到 3 秒。
報導指出，Bill Dally 是 NVIDIA 的首席科學家和研究高級副總裁，在他的近期的演講中指出，NVIDIA 的 GPU 設計包含著四大重要關鍵。而在這四大重要關鍵當中，降低映射電壓（Mapping Voltage Drop）、預測寄生效應（Predicting Parasitics)、電路設計布局與挑戰 (Place and Routing Challenges）、自動化標準單元遷移（Automating Standard Cell Migration）等，當中 AI/ML 技術可以發揮強大的功能。其中，在降低映射電壓部分，Dally 表示，使用傳統的 CAD 工具可以協助大約在 3 個小時內得到結果。但是，透過 AI/ML 技術的訓練輔助，可以將計算時間縮短到 3 秒內完成，頂魚是縮短了 94% 的時間。
至於，在使用 AI 技術預測寄生效應方面，在 AI 技術架構的新模型下，不但將誤差比例降低到 10% 以下，還加快了工程師在 GPU 更新上的設計時間，這讓工程師不再耗費大倆的時間成本在進行實驗，能進一步有更多的時間進行創新研究。另外，在電路設計布局與挑戰方面，Bill Dally 這對於晶片設計非常重要，因為它們就像在繁忙的大都市中規劃道路一樣。錯誤的電路設計與布局將導致交通（數據）的堵塞。因此，透過使用圖神經網路 (GNN) 分析晶片設計中的這一問題，有助於凸顯關注領域，並智慧化的處理問題。
最後，使用 AI 來加強自動化標準單元遷移部分，Bill Dally 指出，這是 NVIDIA 晶片設計工具箱中另一個非常有用的工具。例如，以前將晶片設計從 7 奈米製成轉移到 5 奈米，其過程所需的膨大成本與時間投入。但是，使用強化學習 AI 技術，92% 的單元都可以藉由這個工具完成，而且其中沒有設計規則或電氣規則錯誤問題。這其中因為節省了大量勞力成本而受到歡迎，而且在大多數情況下，最終 NVIDIA 也得到了更好的設計產品。
事實上，NVIDIA 研究的需求是試圖透過開發由 GPU 運行的軟體系統和技術，來推動 NVIDIA 發展產品的需求。目前輝達有 3 個不同的圖像研究小組，以推動電腦圖形方面的發展。另外，還有 5 個不同的 AI 小組，因為 GPU 應用 AI 技術是一件大事，而且當前的規模是越來越大。此外，還有負責機器人和自動駕駛汽車的小組，並有多個實驗室進一步推動這些技術與應用的發展。
(首圖來源：shutterstock)
