Nvidia ha presentado ChipNeMo, un modelo de lenguaje grande especializado con 43 mil millones de parámetros destinado a reforzar la productividad del diseño de chips. La herramienta promete optimizar varios aspectos del diseño de chips respondiendo preguntas, condensando informes de errores y creando scripts para herramientas de automatización de diseño electrónico (EDA).
«El objetivo aquí es hacer que nuestros diseñadores sean más productivos», dijo Bill Dally, científico jefe de Nvidia, en una entrevista con EE Times antes de la Conferencia Internacional sobre Diseño Asistido por Computadora. «Si consiguiéramos siquiera un par de mejoras porcentuales en la productividad, valdría la pena. Y nuestros objetivos son, en realidad, hacerlo un poco mejor que eso».
ChipNeMo de Nvidia se entrenó en el propio conjunto de datos de Nvidia recopilado de códigos internos y repositorios de texto que incluyen documentos de arquitectura y diseño. Este enfoque de capacitación previa garantiza que ChipNeMo opere con una comprensión matizada de las arquitecturas y el diseño de chips específicos de Nvidia. ChipNeMo puede responder preguntas generales relacionadas con el diseño de chips, resumir la documentación detallada de errores en párrafos cortos (para una comprensión más sencilla de los errores) y escribir scripts breves para interactuar con herramientas CAD. La herramienta también puede ejecutar simulaciones lógicas y probar puntos de referencia en las primeras etapas del proceso de diseño para verificar el rendimiento y la viabilidad del diseño.
ChipNeMo es una enorme reserva de conocimiento que puede analizarse con bastante rapidez mediante una máquina alimentada por una única GPU Nvidia A100, y está destinado a acelerar el proceso de diseño de chips. Esta herramienta será particularmente útil para los diseñadores novatos, ya que les permitirá encontrar información esencial rápidamente, ahorrando así tiempo y esfuerzo a los diseñadores experimentados.
Uno de los problemas de las herramientas de IA generativa es que a menudo generan respuestas inexactas o completamente falsas. Cuando se trata de diseño de chips, esto podría generar errores muy costosos; por eso, para evitar esto, Nvidia está utilizando una técnica de recuperación de generación aumentada (RAG). RAG hace referencia a una base de datos de documentos fuente para fundamentar los resultados del modelo. Este enfoque reducirá la probabilidad de que el modelo cree respuestas inexactas o «alucinadas» y garantizará que las respuestas generadas se basen en conocimientos reales y preexistentes.
ChipNeMo está diseñado específicamente para las GPU y los procesos internos de Nvidia y, por lo tanto, no está programado para un lanzamiento comercial más amplio. No obstante, la herramienta simboliza un enfoque pionero en aprovechar un LLM para perfeccionar y acelerar las metodologías y procesos de diseño de chips.