生成 AI の誕生により、チップ設計に新たな道が開かれました。現在、Nvidia などのテクノロジー企業と学術界の両方が、完全に独立してチップを設計できる AI システムを開発しようとしています。生産ベースの AI を使用してチップ設計を加速することは、半導体業界の基礎となるでしょう。過去 1 年間、コンピューティング大手の NVIDIA、チップ設計会社の Synopsys、Cadence Design Systems、および学術開発者が多くの試みを行ってきました。

彼らはそれぞれAIツールを開発した——

ハードウェア コードと検証コードを自動化することでエンジニアの作業をスピードアップし、メモやステータス更新を要約することで大規模な設計チームが連携できるように設計されています。

AIをチップ設計に参加させるのは、すべて2023年の人工知能ブームによるもので、専用のAIチップの供給が逼迫している。

同時に、チップ内のトランジスタ数が約 2 年ごとに 2 倍になると予測するムーアの法則の終焉により、多くの企業がより特殊なチップを製造するために新しいチップ アーキテクチャを模索するようになりました。

専門家らは、米国には需要が高まっているAIや自動運転車やドローンなどの特定用途向けの先進チップを設計できる十分なエンジニアがいないと指摘している。


AI チップ設計に特化した NVIDIA ChipNeMo

NVIDIA の応用深層学習研究担当副社長、ブライアン カタンザロ氏は次のように述べています。

GPU は数千のタスクを同時に処理できるため、その作成には 1,000 人近くの人員が必要であり、常に改善しながら設計のさまざまな部分がどのように連携するかを全員が理解する必要があります。

これに応えて、NVIDIA チームは、GPU アーキテクチャに関する質問に答えたり、チップ設計言語コードを生成したりするタスクを実行できる、新しいカスタマイズされた大型モデル ChipNeMo を開発しました。

研究者らは、オープンソースの Llama2 モデルに基づいてこの AI システムをトレーニングしました。

同時に、AI システムは、Synopsys などの既存の設計自動化ツールと連携するように設計されています。


NVIDIA の社内エンジニアは ChipNeMo を 1 年間使用しており、このシステムが若手エンジニアのトレーニング、100 の異なるチームからのメモの要約、ステータスの最新情報の提供に非常に役立つことがわかったと Catanzaro 氏は述べています。

Google、チップ設計AI企業が参戦

Google DeepMind では、論理合成を改善する AI システムも開発しました。

これは、回路動作の記述を実際の回路に変換するチップ設計の段階です。 Googleは、これらの技術は「Tensor Processing Unit」（TPU）として知られる自社のカスタム人工知能チップを改良するために使用される可能性があると述べた。

さらに、チップ設計会社シノプシスは昨年、Synopsys.aiCopilotというAIツールをリリースした。

これは、エンジニアの共同作業を支援するために Microsoft と提携して OpenAI の大規模モデルを通じて開発されたツールです。


Microsoft 社内のシリコン チームは、エンジニアリング ニーズをサポートするためにこのツールを使用していると同社は述べています。

この AI ツールは、同社のデザイン ツールの使用方法やワークフロー スクリプトの作成方法に関する質問に答えることができます。

平易な英語で会話するだけで RTL (チップ アーキテクチャを標準化するために使用されるチップ設計言語) を生成することもできます。


学術界における研究の爆発的増加

学術界でも、この方向の研究が数多く行われています。

ニューヨーク大学を含むいくつかの大学での研究は、生成 AI で高速化されたチップ設計を特定する他の方法を発見することに専念しています。

研究の一部はシノプシスや半導体大手クアルコムなどの企業から資金提供を受けている。


QTcore-C1、ニューヨーク大学の研究者が ChatGPT との対話を通じて命名および設計したチップ

ニューヨーク大学タンドン工学部のチームは、ChatGPT と対話することで、約 1 か月でチップを設計しました。

この技術は「ChipChat」と呼ばれており、研究者はChatGPTに話しかけるだけで、チップの機能を記述するチップ設計言語Verilogを自動で記述することができる。

ニューヨーク大学タンドン工学部電気・コンピュータ工学研究所の准教授であるシダース・ガーグ氏は、「ChatGPTに関連付けられたAIシステムを使用することで、研究者らはハードウェアの設計時間を1カ月以下に短縮したいと考えている」と述べた。

一般的に、最も複雑なマイクロチップの設計には最大で半年、あるいはそれ以上かかることがあります。


しかし、これらの AI ツールは万能ではありません。

テキサス大学オースティン校の電気・コンピューター工学教授デイビッド・パン氏は、現在これらのツールは主に若いチップ設計者の訓練、ハードウェア言語の作成、エラー報告に使用されていると述べた。

現在のツールには他の制限もあります。

エンジニアは AI によって生成された出力を慎重に検証する必要がありますが、現時点では、設計から検証、設計のトランジスタの実装、設計の電気的特性のチェックに至るまでのチップ設計プロセス全体を自動化できるソリューションはありません。

Synopsys の Krishnamoorthy 氏は、生成 AI を使用して機能的なチップを自律的に作成できるようになるまでには約 5 年かかると予測しています。

参考文献:

https://www.businessinsider.com/nvidia-uses-ai-to-Produce-its-ai-chips-faster-2024-2

https://www.wsj.com/articles/designing-chips-is-getting-harder-these-engineers-say-chatbots-and-ai-can-help-092b4c4