文章分享：

收藏0 分享

艾格AITC KINGSMAN TiTan ARGB全景玻璃透側機殼-標配四顆ARGB風扇，海景視野與強悍擴充性兼得

【開箱簡測】ineo M9 銅管火箭砲 M.2 NVMe SSD 2280 散熱器

「舒適體面，終於無線～」Montech 君主科技 MKey PRO 75% 三模全熱插拔鍵盤開箱

ITX Z890I Nova WiFi + U7 265K 開箱

+ MORE活動推薦：

: GEX PRO 850W玩家開箱體驗分享活動
卓越性能，超值選擇 GEX PRO 系列通過 80 PLUS 金牌認證，實現高達 ...

: 體驗極速WiFi 7！MSI Roamii BE Lite Mesh
第一名 guanrung1110 https://www.xfastest.com/thread-293988-1- ...

: 極致效能為遊戲而生 990 PRO SSD 玩家體驗
[*]極致效能固態硬碟 [*]PCIe 4.0 速度大幅提升 [*]優化的電源效率 ...

: Micron Crucial PRO D5 6400超頻版玩家開
解銷更快的遊戲速度！利用低延遲遊戲記憶體的強大功能利用 Cruci ...

[處理器主機板] NVIDIA用PrefixRL人工智慧模型設計出小25%的電路，使GPU更加高效

[複製鏈接]| 回復

電梯直達

1^#

sxs112.tw 發表於 2022-7-11 18:51:16 | 只看該作者 |只看大圖回帖獎勵

|倒序瀏覽 |閱讀模式

在設計整合電路時，工程師的目標是生產出更容易製造的高效設計。如果他們設法降低電路尺寸，那麼製造該電路的經濟性也會下降。NVIDIA公司在其技術博客上發布了一項技術，該公司使用一種名為PrefixRL的人工智慧模型。利用深度強化學習，NVIDIA公司使用PrefixRL模型來超越主要供應商的傳統EDA（電子設計自動化）工具，如Cadence、Synopsys或Siemens/Mentor。

EDA供應商通常會在內部實施人工智慧解決方案，以實現矽片放置和路由（PnR）；然而NVIDIA的PrefixRL解決方案似乎在該公司的工作流程中創造了奇蹟。

根據NVIDIA技術博客介紹最新的Hopper H100 GPU架構使用了PrefixRL AI模型設計的13000個算術電路實例。NVIDIA製作的模型輸出的電路比同類EDA輸出的電路小25%。這一切都在實現類似或更好的延遲。下面你可以在圖中比較PrefixRL製作的64位元加法器設計和一個業界領先的EDA工具製作的相同設計：

訓練這樣一個模型是一項計算密集型的任務。NVIDIA公司報告說設計一個64位元加法器電路的訓練，每個GPU需要256個CPU核心和32000個GPU小時。該公司開發了Raptor，這是一個內部分佈式強化學習平台，利用NVIDIA硬體的獨特優勢進行這種工業強化學習。

總括來說該系統相當複雜，需要大量的硬體和投入；然而回報是更小、更高效的GPU。

消息來源