구글 딥마인드, 반도체를 설계하는 AI - 'AlphaChip' 공개

구글 딥마인드가 반도체 칩 설계 과정을 혁신할 AI 기반 시스템인 'AlphaChip'을 공개했다.

 

 

반도체를 설계하는 과정은 크게 논리적인 설계와 물리적인 설계의 2가지의 과정이 있는데,

 

1) 논리적인 설계는 어떤 논리 흐름으로 주어진 정보를 처리할 것인가를 설계하는 것이고, 산출물로는 net list라고 하는 gate의 리스와 배치 내용이 나온다.

 

2) 물리적인 설계는 net list에서 정의된 논리 회로 gate들을 실제로 주어진 chip 면적에 어떻게 트랜지스터와 스위치 등을 구현하는지에 대한 설계도를 만들어내는 작업이다.

 

이 중 물리적 설계 과정에서 건축 설계에서 도면을 그리는 것과 같은 레이아웃을 그리는 작업인 floor plan을 하게 되는데, 물리적인 device나 스위치등을 어떤 크기로 어떻게 배치하고, 이들간의 배선 연결을 어떻게 하는 것이 좋은지 최적화가 필요한 작업이 많다. 반도체 설계 과정에서 이를 최적화 하는데 절반 이상을 쓴다고 한다.

 

Alpha chip은 이러한 floor plan을 최적화 하는 AI 시스템이라고 할 수 있다. 

 

현재에도 반도체 설계할 때 사용하는 S/W tool이 있는데, Synopsys나 Cadence와 같은 업체들이 만드는 EDA S/W tool이 그것이다. EDA S/W내부에는 여러가지 모듈이 존재하는데, 이 모듈 중 floor plan을 만들어 주는 모듈이 있다. 이 모듈 안에서도 나름대로 최적화하는 기능이 있지만, 아직은 인간 엔지니어의 노하우에 의해 해야 하는 작업이 많은 상황이다.

 

이 Alpha chip 시스템은 강화 학습을 활용해 기존에 몇 개월이 걸리던 칩 설계 작업을 단 몇 시간 만에 완료할 수 있다고 한다.   칩 설계를 일종의 게임처럼 접근하며, AlphaGo나 AlphaZero와 유사한 방식으로 작동한다.

 

 

AlphaChip의 주요 특징

• 강력한 피드백 루프를 생성한다: 더 나은 AI 모델이 더 우수한 칩을 설계하고, 이는 다시 더 발전된 AI 모델 훈련을 가능하게 한다.
• 자체 강화 사이클을 통해 AI 발전을 극적으로 가속화할 수 있다.
• 구글의 Tensor Processing Unit(TPU) 최근 3세대 레이아웃 설계에 사용되어 성능 개선과 설계 주기 단축에 기여했다.

 

Bar graph showing AlphaChip’s average wirelength reduction across three generations of Google’s Tensor Processing Units (TPUs), compared to placements generated by the TPU physical design team.

 

 

 

기술적 특징

 

AlphaChip은 새로운 "에지 기반" 그래프 신경망을 사용한다. 이를 통해 칩 구성 요소 간의 관계를 학습하고 다양한 칩 설계에 일반화할 수 있다고 한다. 비어 있는 그리드에서 시작하여 한 번에 하나씩 회로 구성 요소를 배치하고, 최종 레이아웃의 품질에 따라 reward를 주는 방식이다.

 

 

 

오픈소스 및 영향력

 

구글은 AlphaChip의 사전 훈련된 체크포인트를 공개하고 모델 가중치를 공유했다. 이는 AI 지원 칩 설계 분야의 추가 연구 개발을 장려하기 위한 조치라고 한다.

 

Bar graph showing the number of AlphaChip designed chip blocks across three generations of Google’s Tensor Processing Units (TPU), including v5e, v5p and Trillium.

 

 

구글은 TPU(Tensor Processing Unit) AI 가속기의 최근 3세대 칩 레이아웃 설계에 사용하였다. 이를 통해 최신의 6세대 TPU인 Trillium에서는 25개의 블록을 배치하고 배선 길이를 6.2% 줄이는 성과를 거두었다. 또한, 구글의 Arm 기반 데이터 센터 CPU인 Axion 프로세서 설계에도 활용하였다.

A row of Cloud TPU v5p AI accelerator supercomputers in a Google data center.

 

 

그러나, AlphaChip의 사용은 구글 내부적인 필요에 제한하지 않았다.

 

MediaTek과 같은 기업들이 이 기술을 스마트폰 및 기타 기기용 최첨단 칩 개발에 도입하고 있으며, 삼성전자의 모바일 기기에 사용되는 Dimensity Flagship 5G 칩 개발에 활용되었다.

 

AlphaChip은 AI와 하드웨어 개발의 시너지를 보여주는 대표적인 사례로, 향후 기술 발전의 속도를 더욱 가속화할 것으로 전망된다.

 

 

오픈소스 및 연구 지원

구글 딥마인드는 AlphaChip의 발전과 보급을 위해 다음과 같은 노력을 기울이고 있다.

AlphaChip의 사전 훈련된 모델과 소프트웨어 라이브러리를 공개하여 외부 연구자들이 활용할 수 있도록 했으며, GitHub를 통해 튜토리얼과 사전 학습된 모델을 제공하고 있다.

AlphaChip의 등장으로 AI를 활용한 칩 설계 분야가 크게 발전하고 있으며, 이는 궁극적으로 더 빠르고, 저렴하며, 에너지 효율적인 칩 개발로 이어질 것으로 기대된다.

 

 

 

 

뜨리스땅

출처:

 

[1] http://www.ainet.link/16584
[2] https://tilnote.io/news/66f72b2760fc09e2a6e1ca0c
[3] https://www.aibase.com/news/12106
[4] https://www.digitaltoday.co.kr/news/articleView.html?idxno=535221
[5] https://deepmind.google/discover/blog/how-alphachip-transformed-computer-chip-design/