AlphaChip è l'intelligenza artificiale di Google che progetta chip migliori giocando

Nel 2020 Google svelò un nuovo algoritmo di "reinforcement learning", ossia di "apprendimento per rinforzo", capace di imparare autonomamente a creare processori dedicati all'intelligenza artificiale più potenti e meno affamati di energia. Nei giorni scorsi DeepMind, parte di Google, ha reso noto di aver rilasciato un modello pre-addestrato e ne ha svelato il nome: AlphaChip.

"I chip hanno alimentato i notevoli progressi dell'intelligenza artificiale (AI) e AlphaChip ricambia il favore utilizzando l'IA per accelerare e ottimizzare la progettazione dei chip", afferma Google, spiegando che il metodo è stato utilizzato per le ultime tre generazioni di Tensor Processing Unit (TPU).

AlphaChip genera progetti (o meglio floorplan, ovvero una rappresentazione schematica del posizionamento provvisorio dei blocchi funzionali di un chip) in poche ore anziché richiedere settimane o mesi di lavoro umano e "i suoi layout sono utilizzati nei chip di tutto il mondo, dai datacenter ai telefoni cellulari".

Progettare il layout di un chip non è un compito semplice. I chip sono costituiti da molti blocchi interconnessi, con strati di componenti circuitali, tutti collegati da fili incredibilmente sottili. Ci sono anche molti vincoli di progettazione che devono essere rispettati contemporaneamente. A causa della complessità, i progettisti cercano di automatizzare il processo da oltre sessant'anni.

Come AlphaGo e AlphaZero, che hanno imparato a padroneggiare i giochi di Go, degli scacchi e dello shogi, AlphaChip affronta la pianificazione dei chip come una sorta di gioco.

Partendo da una griglia vuota, AlphaChip posiziona un componente del circuito alla volta fino a quando non ha collocato tutti i componenti. Poi viene premiato in base alla qualità del layout finale. Una rete neurale a grafo "edge-based" consente ad AlphaChip di apprendere le relazioni tra i componenti interconnessi e di generalizzare tra i chip, consentendo all'IA di migliorare con ogni layout progettato.

"Per progettare i layout delle TPU, AlphaChip si esercita innanzitutto su una serie di blocchi di chip di generazioni precedenti, come i blocchi di rete on-chip e inter-chip, i controller di memoria e i buffer per il trasporto dei dati", spiega Google. "Questo processo è chiamato pre-addestramento. Poi eseguiamo AlphaChip sui blocchi TPU attuali per generare layout di alta qualità. A differenza degli approcci precedenti, AlphaChip migliora e diventa più veloce man mano che risolve un numero maggiore di istanze del compito di posizionamento dei chip, in modo simile a quanto fanno gli esperti umani".

Inoltre, AlphaChip è stato esteso ad altre fasi critiche della progettazione di chip, come la sintesi logica e la selezione delle macro. Oltre a progettare acceleratori di intelligenza artificiale specializzati come le TPU, AlphaChip ha generato layout per altri chip di Alphabet, come i processori Axion, la prima CPU "general purpose" di Google per datacenter basate su core Arm.

Anche altre aziende stanno adottando e sviluppando AlphaChip. Ad esempio, MediaTek, ha usato AlphaChip per accelerare lo sviluppo dei suoi chip più avanzati, come i Dimensity della serie 9000 che trovano casa negli smartphone di Samsung.

Google afferma che le versioni future di AlphaChip sono in fase di sviluppo e non vede l'ora di collaborare con la comunità per "continuare a rivoluzionare questo settore e realizzare un futuro in cui i chip siano ancora più veloci, più economici e più efficienti dal punto di vista energetico".