研究计划3 - 人工智能辅助电子设计自动化

Sections
Text Area

研究计划3旨在为AI芯片开发新的设计方法和自动化设计工具。

Left Column
Text Area

面向深度神經網絡及AI算法的硬件-軟件協同設計的方法論和EDA工具

研究項目3-1:

Right Column
Image
Image
RP3-1.png
Image Caption
圖 研究項目3-1: DNN模型和硬件加速器協同設計優化的系統流程圖
Text Area

研究項目3-1 通過研發新的方法和工具,實現硬件-軟件的協同設計。項目的目標是,一方面針對FPGA、GPU和加速器的硬件約束和功能特點,優化得到高質量的機器學習算法;同時通過高效的系統設計搜索和仿真,實現資源約束下的AI系統軟件和硬件架構的協同優化。

Left Column
Text Area

AI加速器的物理綜合

研究項目3-2:

Right Column
Image
Image
RP3-2.png
Image Caption
圖 研究項目3-2: (a)採用已有最優方法手動設計一個簡單神經網絡加速器的綜合結果 (b)商業化EDA工具對同一神經網絡的綜合結果
Text Area

研究項目3-2基於已有的物理綜合領域的研究能力和成果,專注於對AI加速器進行物理綜合的新的解决方案。我們將考慮AI加速器物理綜合中的專屬規則和走綫模式,並著重進行分析。我們首先通過研發高性能的數據通路快速提取工具,來確定加速器的關鍵結構路徑,然後將提取出的數據通路輸入到我們定制化的物理綜合引擎中,自動生成AI加速器的晶片布局。

Left Column
Text Area

AI增强的電子設計自動化(AIEDA)

研究項目3-3:

Right Column
Image
Image
RP3-3.png
Image Caption
圖 研究項目3-3: AI增強的設計技術實例 - 神經計算逆向光刻技術(Neural-ILT)
Text Area

隨著人工智能軟件和硬件的飛速發展,EDA系統有機會在性能和計算效率方面都得到極大的提高。在研究項目3-3中,我們通過研究EDA的基礎問題,達到顯著提高EDA工具效率和質量的目的,使得快速而高質量地進行AI晶片設計成爲可能。這方面的研究將使我們能够把控超高的設計複雜度;縮短設計周期,從而更快地將晶片推向市場;進行大規模、高性能的片上人工神經網絡設計,獲得人工智能硬件設計和製造中基礎性的制勝因素。