論文の概要: Pushing the Limits of Machine Design: Automated CPU Design with AI
- arxiv url: http://arxiv.org/abs/2306.12456v2
- Date: Tue, 27 Jun 2023 07:53:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 16:07:15.883757
- Title: Pushing the Limits of Machine Design: Automated CPU Design with AI
- Title（参考訳）: マシン設計の限界を押し上げる - AIによるCPU設計の自動化
- Authors: Shuyao Cheng, Pengwei Jin, Qi Guo, Zidong Du, Rui Zhang, Yunhao Tian,
Xing Hu, Yongwei Zhao, Yifan Hao, Xiangtao Guan, Husheng Han, Zhengyue Zhao,
Ximing Liu, Ling Li, Xishan Zhang, Yuejie Chu, Weilong Mao, Tianshi Chen and
Yunji Chen
- Abstract要約: 我々は、中央処理ユニット(CPU)を自動設計する新しいAIアプローチを提案する。
このアプローチは、正式なプログラムコードではなく、外部の入出力観測のみから回路論理を生成する。
これまでにない大きさの1010540のサーチスペースを探索することで、我々の最もよく知られたマシン設計オブジェクトの1つであり、我々のアプローチは、わずか5時間で産業規模のRISC-V CPUを生成する。
- 参考スコア（独自算出の注目度）: 17.94195761659386
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Design activity -- constructing an artifact description satisfying given
goals and constraints -- distinguishes humanity from other animals and
traditional machines, and endowing machines with design abilities at the human
level or beyond has been a long-term pursuit. Though machines have already
demonstrated their abilities in designing new materials, proteins, and computer
programs with advanced artificial intelligence (AI) techniques, the search
space for designing such objects is relatively small, and thus, "Can machines
design like humans?" remains an open question. To explore the boundary of
machine design, here we present a new AI approach to automatically design a
central processing unit (CPU), the brain of a computer, and one of the world's
most intricate devices humanity have ever designed. This approach generates the
circuit logic, which is represented by a graph structure called Binary
Speculation Diagram (BSD), of the CPU design from only external input-output
observations instead of formal program code. During the generation of BSD,
Monte Carlo-based expansion and the distance of Boolean functions are used to
guarantee accuracy and efficiency, respectively. By efficiently exploring a
search space of unprecedented size 10^{10^{540}}, which is the largest one of
all machine-designed objects to our best knowledge, and thus pushing the limits
of machine design, our approach generates an industrial-scale RISC-V CPU within
only 5 hours. The taped-out CPU successfully runs the Linux operating system
and performs comparably against the human-designed Intel 80486SX CPU. In
addition to learning the world's first CPU only from input-output observations,
which may reform the semiconductor industry by significantly reducing the
design cycle, our approach even autonomously discovers human knowledge of the
von Neumann architecture.
- Abstract（参考訳）: 設計活動 - 与えられた目標と制約を満たすアーティファクトの記述を構築する -- は、他の動物や伝統的な機械と人間を区別し、人間レベル以上の設計能力を持つ機械を授けている。
機械はすでに高度な人工知能(ai)技術を用いて新しい材料、タンパク質、コンピュータプログラムを設計する能力を実証しているが、そのような物体を設計するための探索空間は比較的小さいため、「機械は人間のように設計できるのか?
ここでは、機械設計の境界を探索するため、中央処理ユニット(CPU)、コンピュータの脳、そして人類がこれまで設計した中でもっとも複雑な装置の1つを自動設計する新しいAIアプローチを提案する。
このアプローチは、形式的なプログラムコードの代わりに外部の入出力観測のみからCPU設計のバイナリ・スペキュレーション・ダイアグラム(BSD)と呼ばれるグラフ構造で表される回路論理を生成する。
BSD の生成の間、モンテカルロに基づく拡張とブール関数の距離は、それぞれ精度と効率を保証するために使用される。
前例のないサイズ(10^{10^{540}})の探索空間を効率的に探索することで、機械設計の限界を押し上げることにより、産業規模のrisc-v cpuをわずか5時間で生成する。
タップアウトされたCPUはLinuxオペレーティングシステムをうまく動作させ、人間設計のIntel 80486SX CPUと互換性がある。
設計サイクルを大幅に減らして半導体産業を改革する可能性のある入力出力観測からのみ、世界初のCPUを学ぶことに加えて、我々のアプローチはフォン・ノイマンアーキテクチャの人間の知識を自律的に発見する。
関連論文リスト
- Artificial Intelligence for Quantum Computing [30.639337493477242]
量子コンピューティングは、AIのデータ駆動学習機能の主要な候補である。
AIからQCにリードする技術を導入するには、おそらくコンピュータ科学の最も先進的で難解な領域の2つから専門知識を引き出す必要がある。
本稿では、最先端のAI技術が、有用なQCを開発するために必要なハードウェアとソフトウェアスタック間の課題をすでに進めている方法についてレビューする。
論文 参考訳（メタデータ） (2024-11-14T02:11:16Z) - Meta-Designing Quantum Experiments with Language Models [29.764173868070795]
合成データに基づいて訓練されたコード生成言語モデルが,一発でクラス全体の問題を解決する方法を示す。
具体的には、新しい量子物理学実験の設計のために、シーケンス・ツー・シーケンス・トランスフォーマーアーキテクチャは解釈可能なPythonコードを生成する。
我々は、無限大の量子状態のクラスに対する一般的な、以前は知られていなかった設計規則を発見する。
論文 参考訳（メタデータ） (2024-06-04T16:40:55Z) - Towards a Robust Soft Baby Robot With Rich Interaction Ability for Advanced Machine Learning Algorithms [25.85850890842541]
我々は、大きなアクションスペースと、複数のカメラからのリッチな知覚データストリームを備えた、頑丈で部分的にソフトなロボットアームを構築します。
概念実証として、2つの現代の機械学習アルゴリズムを訓練し、単純な目標達成タスクを実行する。
論文 参考訳（メタデータ） (2024-04-11T19:15:45Z) - Thermodynamic Computing System for AI Applications [0.0]
熱力学計算のような物理ベースのハードウェアは、AIプリミティブを加速する高速で低消費電力の手段を提供する可能性がある。
処理ユニット(SPU)と呼ばれる最初の連続可変熱力学コンピュータを提示する。
論文 参考訳（メタデータ） (2023-12-08T05:22:04Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。
シミュレーションに基づくMAPプログラムの概要を述べる。
我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文 参考訳（メタデータ） (2022-08-17T23:03:54Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - Using Machine Learning to Predict Engineering Technology Students'
Success with Computer Aided Design [50.591267188664666]
機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。
初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。
これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
論文 参考訳（メタデータ） (2021-08-12T20:24:54Z) - JUWELS Booster -- A Supercomputer for Large-Scale AI Research [79.02246047353273]
本稿では、最近J'ulich Supercomputing Centerに委託された高性能コンピューティングシステムであるJUWELS Boosterを紹介する。
システムアーキテクチャ、並列性、分散モデルトレーニング、その優れたパフォーマンスを示すベンチマークについて詳述する。
論文 参考訳（メタデータ） (2021-06-30T21:37:02Z) - Machine Learning-Based Automated Design Space Exploration for Autonomous
Aerial Robots [55.056709056795206]
自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。
F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。
サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
論文 参考訳（メタデータ） (2021-02-05T03:50:54Z) - Design of the Artificial: lessons from the biological roots of general
intelligence [0.0]
人工知能のクエストは繰り返し失敗に悩まされている。
バイオインスパイアされたソフトウェアとハードウェアへの最近のシフトは、AGIの達成に非効率である。
階層型アーキテクチャによって実現される情報のコンテキスト処理の進化的ティンカーは、AGIを構築する上で鍵となる。
論文 参考訳（メタデータ） (2017-03-07T07:20:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。