¿Por qué Nvidia utiliza IA para diseñar nuevos chips?

• Nvidia está revolucionando el diseño de chips integrando IA y chatbots.
• El uso de IA y chatbots por parte de Nvidia está remodelando la fabricación de chips, siendo pionera en una ingeniería más inteligente y eficiente.
• ¿Cuánto tiempo pasará antes de que la IA supere sistemáticamente a los humanos en el diseño de chips?

Nvidia está encabezando la integración de la IA en sus procesos de diseño de chips mediante la incorporación de chatbots, una estrategia que refleja el cambio de la industria tecnológica en general hacia soluciones más centradas en la IA. Esta iniciativa muestra el compromiso de Nvidia con la IA (y con mantenerse a la vanguardia) y representa un cambio fundamental en cómo la IA puede simplificar y agilizar tareas de ingeniería complejas.

Al introducir chatbots en su marco de diseño de chips, Nvidia pretende refinar sus metodologías de diseño y establecer un nuevo precedente en la aplicación de IA en el desarrollo tecnológico. La empresa apuesta a que el uso de IA para diseñar chips más inteligentes influirá significativamente en el futuro de la ingeniería asistida por IA.

La investigación reciente de Nvidia se centra en el uso de chatbots capaces de generar conversaciones, respuestas similares a las humanas en el diseño de semiconductores. Esta investigación arroja luz sobre cómo las empresas de sectores especializados pueden adaptar grandes modelos de lenguaje (LLM) a sus propios conjuntos de datos, creando asistentes especializados que mejoran la eficiencia operativa.

La revolución de la IA en el diseño de semiconductores

El diseño de semiconductores es una tarea extraordinariamente compleja. La intrincada arquitectura de chips de última generación como la GPU H100 Tensor Core de Nvidia se puede comparar con una ciudad densamente poblada bajo un microscopio, que consta de miles de millones de transistores, cada uno de una fracción del ancho de un cabello humano.

El diseño de microchips modernos, que implica la colocación estratégica de decenas de miles de millones de transistores en una oblea de silicio, es una de las tareas más desafiantes de la industria tecnológica. Para construir una metrópolis digital de este tipo, diversos equipos de ingeniería suelen colaborar durante hasta dos años. Estos equipos son responsables de diversas tareas que van desde el plano arquitectónico general hasta la creación de circuitos microscópicos y la prueba exhaustiva de sus funcionalidades. Cada una de estas funciones exige métodos, software y lenguajes informáticos especializados.

Los chips de Nvidia, reconocidos por su complejidad, son fundamentales para impulsar tecnologías avanzadas, incluidos sistemas de inteligencia artificial como ChatGPT. Esta complejidad requiere innovación continua y precisión en el diseño y ejecución.

El estudio realizado por Nvidia descubrió que la incorporación de datos internos extensos y específicos permitía que incluso los chatbots básicos superaran en precisión a sus homólogos avanzados. Este enfoque no sólo optimiza el rendimiento sino que también ayuda a gestionar y controlar los costos del sistema.

Cómo la IA puede beneficiar a la ingeniería

Nvidia está utilizando IA para diseñar nuevos chips.

Una de las características destacadas demostradas por Nvidia es el uso de IA en la generación de código. Bill Dally, científico jefe de Nvidia, señaló que los ingenieros suelen dedicar un tiempo considerable a identificar y diagnosticar fallas en los componentes del chip. Los sistemas de inteligencia artificial pueden aliviar esta carga escribiendo rápidamente scripts de código y facilitando las pruebas.

Mark Ren, director de investigación de Nvidia, cree que en el futuro, los grandes modelos de lenguaje serán fundamentales en todas las facetas del diseño de semiconductores.

“Este es un primer paso importante en la aplicación de los LLM al complejo trabajo de diseño de semiconductores”, dijo Dally. Hizo hincapié en la viabilidad de que sectores altamente especializados utilicen sus propios datos para entrenar modelos de IA eficaces.

Los ingenieros de Nvidia han creado ChipNeMo, un LLM personalizado adaptado a sus necesidades de diseño específicas, capacitado en datos confidenciales de la empresa. ChipNeMo es un proyecto pionero que investiga las posibles aplicaciones de los LLM en el diseño de chips industriales.

El equipo optó por técnicas únicas de adaptación de dominio en lugar de utilizar LLM genéricos. Esto incluyó la implementación de tokenizadores personalizados y capacitación específica de dominio para mejorar el rendimiento del modelo en aplicaciones específicas como asistencia de ingeniería, generación de scripts y análisis de errores.

Estas técnicas ya han mostrado resultados prometedores, mejorando significativamente la eficacia del modelo y sugiriendo posibles reducciones en el tamaño del modelo manteniendo o mejorando el rendimiento en diversas tareas de diseño.

Sin embargo, sigue existiendo una notable disparidad entre los logros actuales y los resultados ideales. El equipo de Nvidia confía en que una mayor exploración de los LLM adaptados al dominio podría ayudar a cerrar esta brecha, lo que conduciría a metodologías de diseño de chips aún más sofisticadas y eficientes.

De cara al futuro, los ingenieros de Nvidia quieren aplicar IA generativa en todo el proceso de diseño de chips, lo que podría desbloquear mejoras sustanciales en productividad e innovación. Con una carrera que abarca más de dos décadas en la automatización del diseño electrónico (EDA), Ren prevé que esta integración de la IA cambiará las reglas del juego en la industria de los semiconductores.

Entre las innovaciones, la herramienta de mantenimiento de errores ha recibido un gran reconocimiento. Esta herramienta, que automatiza el mantenimiento de descripciones de errores conocidos, ha demostrado ser invaluable para agilizar el proceso de depuración.

Un prototipo de chatbot diseñado para responder preguntas sobre Arquitectura de GPU y el diseño mostró potencial en las primeras pruebas, permitiendo a los ingenieros acceder rápidamente a los documentos técnicos pertinentes. En desarrollo, un generador de códigos ya produce fragmentos cortos de software en dos idiomas utilizados por los diseñadores de chips. Este generador está configurado para integrarse en las herramientas de diseño actuales, ofreciendo a los ingenieros un asistente conveniente para los proyectos en curso.

ChipNeMo en acción. (Fuente – Nvidia)

Nvidia y el futuro de la IA en el desarrollo de chips

Básicamente, el artículo de investigación analiza el esfuerzo del equipo por recopilar y utilizar los datos de diseño de Nvidia para construir un modelo de IA generativa especializado. Si bien inicialmente se centró en el diseño de chips, este proceso tiene implicaciones mucho más allá, lo que indica su potencial aplicabilidad en diversas industrias.

El proyecto comenzó con un modelo base, desarrollado posteriormente utilizando Nvidia NeMo. El modelo fundamental cuenta con 43 mil millones de parámetros, indicativos de sus capacidades de reconocimiento de patrones, y fue entrenado utilizando más de un billón de tokens, que comprenden palabras y símbolos de textos y software.

ChipNeMo ejemplifica cómo un equipo técnico especializado puede mejorar un modelo preexistente utilizando sus datos únicos. (Fuente – Nvidia)

Las fases de capacitación posteriores involucraron alrededor de 24 mil millones de tokens de datos de diseño de Nvidia, seguidas de una combinación de aproximadamente 130.000 ejemplos de conversaciones y diseños de diseño.

Este trabajo pionero se encuentra entre los primeros ejemplos de investigación y demostraciones de prueba de concepto de IA generativa en la industria de los semiconductores, lo que marca el comienzo de una nueva era en la innovación tecnológica y la aplicación de la IA. A medida que este campo continúa evolucionando, está claro que las contribuciones y exploraciones de Nvidia no sólo remodelarán el panorama del diseño de chips, sino que también ilustrarán el vasto y sin explotar potencial de la IA en diversos sectores.