Diseñar chips es cada vez más difícil. Los chatbots y la IA pueden ayudar

15 de feb. (Dow Jones) -- La industria de los semiconductores está utilizando la inteligencia artificial generativa para acelerar el diseño de chips, un proceso que se ha vuelto más lento y complejo aun cuando ha crecido la necesidad de procesadores más avanzados.

     Al utilizar los sistemas de inteligencia artificial (IA) que impulsan empresas como OpenAI con su ChatGPT, los investigadores esperan acelerar el diseño del hardware de medio año o más a un mes o menos, incluidos los microprocesadores más avanzados, dijo Siddharth Garg, profesor asociado del instituto de ingeniería eléctrica e informática en Tandon School of Engineering de New York University.

     En el último año, el fabricante de chips Nvidia, las empresas de diseño de chips --Synopsys y Cadence Design Systems-- y una gran cantidad de investigadores han desarrollado herramientas de IA diseñadas para acelerar el trabajo de los ingenieros escribiendo automáticamente código de hardware y verificándolo. También esas herramientas han ayudado a grandes equipos de diseñadores a trabajar juntos resumiendo notas y actualizaciones el estado de lo que se está desarrollando.

     Los movimientos para acelerar el ritmo del diseño se producen en un momento en que los suministros de chips de IA especializados han sido escasos desde que su auge el año pasado inició una alta demanda por las unidades de procesamiento gráfico de Nvidia, también conocidas como GPU.

     Al mismo tiempo, el fin anticipado de la Ley de Moore, que postula que aproximadamente cada dos años se duplica el número de transistores en un chip, ha llevado a las empresas a explorar nuevas arquitecturas de chips y la producción de chips más especializados. Los expertos dijeron que no hay suficientes ingenieros estadounidenses que puedan diseñar estos chips avanzados para IA y para aplicaciones específicas como automóviles autónomos y drones, de los cuales la demanda está creciendo de forma importante.

     La herramienta de IA Synopsys, llamada Synopsys.ai Copilot y anunciada el otoño pasado, fue construida con Microsoft utilizando los modelos de lenguaje grande de OpenAI y está destinada a ayudar a los ingenieros a colaborar, dijo Shankar Krishnamoorthy, gerente general del grupo de automatización de diseño electrónico de la compañía. El equipo interno de silicio de Microsoft está utilizando la herramienta para respaldar sus necesidades de ingeniería, agregó la compañía.

     La herramienta de IA de Synopsys responde a preguntas sobre cómo utilizar las herramientas de diseño de la empresa y puede crear scripts de flujo de trabajo. También puede generar RTL, una forma de lenguaje de diseño de chips que especifica la arquitectura del chip, simplemente manteniendo una conversación en un inglés sencillo.

     Debido a su capacidad para procesar miles de tareas al mismo tiempo, los chips como el GPU requieren casi mil personas para construirse, y cada uno debe comprender cómo las piezas del diseño trabajan juntas a medida que colaboran para mejorarlas continuamente, dijo Bryan Catanzaro, vicepresidente de investigación de aprendizaje profundo aplicado de Nvidia.

     Para ayudar, Nvidia desarrolló ChipNeMo, un sistema de IA personalizado con sus propios datos para realizar diversas tareas como responder a preguntas sobre la arquitectura del GPU y generar código de lenguaje de diseño de chips. La empresa entrenó su sistema sobre modelos como Llama 2 de código abierto de Meta Platforms, y el sistema está diseñado para ser utilizado con herramienta de automatización de diseño existentes, como las que tiene Synopsys.

     En el año transcurrido desde que los ingenieros de Nvidia comenzaron a usar ChipNeMo, Catanzaro dijo que han descubierto que es más útil para capacitar a ingenieros junior, para resumir notas y para actualizar el estado en el que está el diseño conformado por 100 equipos diferentes.

     El laboratorio de investigación de Alphabet, Google DeepMind, desarrolló un sistema de inteligencia artificial para mejorar la síntesis lógica, una fase de diseño de chips que consiste en convertir una descripción del comportamiento de un circuito en un circuito real. Google dijo que esas técnicas se pueden usar para mejorar sus propios chips de IA personalizados, llamados Unidades de Procesamiento Tensorial o TPU.

     También se están llevando a cabo múltiples esfuerzos de investigación en universidades, incluida New York University, para determinar otras formas en que la IA generativa puede acelerar el diseño de chips, algunos de los cuales están financiados por empresas como Synopsys y el gigante de chips para teléfonos móviles, Qualcomm.

     Un equipo de Tandon School of Engineering de New York University diseñó un chip en el transcurso de aproximadamente un mes conversando con ChatGPT. La técnica, denominada “Chip Chat”, permitió a los investigadores escribir automáticamente Verilog, un lenguaje de diseño de chips que describe la funcionalidad de un chip, simplemente hablando con el chatbot, dijo Garg de New York University.

     Pero las herramientas basadas en IA no pueden hacerlo todo. En este momento, son útiles principalmente para cosas como capacitar a diseñadores de chips más jóvenes, escribir lenguajes de hardware y reportar errores, dijo David Pan, profesor de ingeniería eléctrica e informática en University of Texas en Austin que ha asesorado a algunos de los investigadores involucrados en la construcción de tales herramientas de IA en empresas y universidades.

     Las herramientas actuales tienen otras limitaciones: los ingenieros humanos deben validar cuidadosamente los resultados generados por IA, y aún no existe una solución que pueda automatizar todo el proceso de diseño de chips, desde el diseño hasta la verificación, la implementación de los transistores del diseño y la comprobación de las propiedades eléctricas del diseño.

     Krishnamoorthy, de Synopsys, estimó que la capacidad de crear de forma autónoma un chip funcional utilizando IA generativa está a unos cinco años de distancia, especialmente teniendo en cuenta las “alucinaciones” o fallos de encendido de la IA.