Nvidia, yapay zekayı (YZ) çip tasarım sürecinin her aşamasına entegre ederek geliştirme sürelerini önemli ölçüde kısaltmayı hedefliyor. Şirket, daha önce sekiz mühendisin 10 ayını alan standart bir hücre kütüphanesini aktarma işleminin artık tek bir GPU ile bir gecede tamamlanabildiğini duyurdu. Ancak şirketin baş bilimcisi William Dally, yapay zekanın henüz işlemciyi tamamen kendi başına tasarlamaya yakın olmadığını belirtti.
Dally, yapay zekayı tasarım süreçlerinde mümkün olan her yerde kullanmaya çalıştıklarını belirterek, doğrudan "yeni GPU'mu tasarla" diyebilecekleri bir son-uç aşamasına ulaşmaktan henüz çok uzak olduklarını ifade etti. Nvidia, devreyi optimize etmekten sistem düzeyinde araştırmaya kadar çip tasarımının birçok aşamasında YZ kullanıyor ve bu sayede verimlilikte katlanarak artış sağlıyor, bazı durumlarda ise insanüstü sonuçlar elde ediyor.
En alt seviyede, YZ yeni üretim süreçlerine geçişte en zaman alıcı adımlardan biri olan standart hücre geliştirilmesini dönüştürdü. Yaklaşık 2.500–3.000 hücreden oluşan bir standart hücre kütüphanesini aktarmak, daha önce sekiz mühendisin yaklaşık 10 aylık çalışmasını gerektiriyordu. Nvidia, bu görevi NB-Cell adlı bir pekiştirmeli öğrenme sistemiyle değiştirdi ve bu sistem aynı işlemi tek bir GPU üzerinde bir gecede tamamlayabiliyor.
Daha üst seviyede ise Nvidia, şirketin geliştirdiği tüm GPU'ları kapsayan özel mimari belgelerle eğitilmiş Chip Nemo ve Bug Nemo adında dahili büyük dil modelleri (LLM) geliştirdi. Bu LLM'ler, genç tasarımcılara karmaşık donanım bloklarının nasıl çalıştığını açıklayabilen mühendislik asistanları gibi davranıyor. Sonuç olarak, Nvidia artık LLM'lerin yapabileceği işler için kıdemli mühendisleri meşgul etmek zorunda kalmıyor.
Dally, Chip Nemo ve Bug Nemo adını verdikleri bir dizi LLM'ye sahip olduklarını, genel bir LLM'yi Nvidia'ya özel tüm tasarım belgeleriyle ince ayar yaparak eğittiklerini belirtti. Bu belgelerin Nvidia dışında elde edilemeyecek nitelikte olduğunu, her GPU'nun tüm RTL (Register-Transfer Level) ve donanım tasarım belgeleri ile mimari özelliklerini içerdiğini ekledi. Bu sayede GPU tasarımı konusunda oldukça yetkin bir LLM'ye sahip olunduğunu ve genç tasarımcıların Chip Nemo'ya sorarak GPU'ların nasıl çalıştığını öğrenebildiğini, bunun da verimliliği artırdığını vurguladı. Bu sistemin çok sabırlı bir rehber gibi davrandığını belirtti.
Hücre kütüphaneleri ve mühendislik desteğinin ötesinde, Nvidia klasik devre tasarımı problemlerine de pekiştirmeli öğrenmeyi uyguluyor. Örneğin, pekiştirmeli öğrenme tabanlı bir sistem, deneme yanılma yoluyla tasarım seçeneklerini keşfediyor ve bu yaklaşım, alan, güç ve performans açısından insan sonuçlarını aşan çip tasarımlarını insanlardan daha hızlı oluşturmaya yardımcı oluyor.
Dally, bu sistemin insanların asla düşünemeyeceği, ancak insan tasarımlarından %20 veya %30 daha iyi sonuçlar veren tamamen tuhaf tasarımlar ortaya çıkardığını söyledi.
Nvidia, yerleştirme ve yönlendirme (place and route) işlemleri için YZ kullanmanın yanı sıra mimari tasarımları keşfetmek için de YZ'den faydalanıyor. Özellikle, Nvidia'nın ajan tabanlı sistemleri büyük sayıda deney çalıştırıyor, farklı tasarım yönlerini değerlendiriyor ve uygulanabilir konfigürasyonları daraltıyor. Bu, mühendislerin çeşitli mimari ödünleşimler arasında seçim yapması gereken çip geliştirme döngüsünün erken aşamalarındaki karar alma süreçlerini büyük ölçüde hızlandırıyor.
Son olarak, Nvidia çip geliştirme döngüsünün en uzun aşamalarından biri olan tasarım doğrulama (design verification) için YZ kullanıyor. Bununla birlikte, YZ henüz tüm doğrulama sürecinden sorumlu olamadığı için Nvidia, her şeyin sorunsuz çalıştığından emin olmak amacıyla tasarımlarını emüle etmek ve gerçek deneyler yapmak durumunda kalıyor.
Dally, en uzun ve zorlu aşama olan tasarım doğrulamayı kısaltmak istediklerini ve özellikle YZ'yi tasarımların daha hızlı çalıştığını kanıtlamak için nasıl kullanabileceklerine odaklandıklarını söyledi.
Uzun vadede, Nvidia'nın baş bilimcisi, çip geliştirmenin, tıpkı bugünkü insan ekipleri gibi tasarımın farklı bölümlerini ele alacak özel YZ sistemlerinin yer alacağı çoklu ajan modeline kayacağını öngörüyor. Şimdilik ise YZ, mühendislere destek olarak ve insan seviyesini aşan tasarım kalitesiyle geliştirme sürelerini kısaltarak rol oynuyor, bu da mühendislerin daha önce olduğundan daha fazla tasarım seçeneğini keşfetmelerini sağlıyor.
