高度な検証：AIチップの新時代への扉を開く

「HeySiri、今日の天気予報は？」

私たちの日常生活は、曲の再生や会議のスケジュールの追跡などの便利なサービスをSiriやその他の人工知能（AI）アシスタントに依存し続けているため、個人データの保護がますます困難になっていることは周知の事実です。 AIの勢いが増し、データ損失の脅威が迫る中、チップ設計者がAIとセキュリティ技術を進歩させて、より多くのインテリジェンスに対する差し迫った需要に対応することがこれまで以上に重要になっています。

しかし、今日のスマートなすべての時代では、ディープラーニング（DL）や機械学習（ML）などのAI技術を組み込んだ計算集約型のアプリケーションには、インテリジェント機能を強化するための包括的な設計の専用チップが必要です。自動運転車からハイパフォーマンスコンピューティング（HPC）まで、これらの集中的なワークロードを推進する基盤となるテクノロジーは、意思決定能力を向上させるように調整されながら、電力部門にパンチを詰め込むことの間の微妙なバランスをとる高度なアーキテクチャに依存しています。

>

より多くのスマートデバイスがクラウドに接続するにつれて、AIが指数関数的に進化し、さまざまな市場機会を生み出す可能性が高くなります。ただし、チップメーカーは、実際の条件をエミュレートするために、AI計算の重要な部分をハードウェア内で完了する必要があることに留意する必要があります。したがって、カスタムの「AIチップ」が好まれるだけでなく、費用効果の高い方法でAIを大規模に統合するために不可欠です。

しかし、AI / ML / DLアプリケーション用の現世代のチップには、必要な算術分析を正確に実行するための複雑なデータパスが含まれていることを考えると、業界はAIの次の動きを進化させ、促進するための高度な検証方法を進んで実装する準備ができている必要があります。

ほとんどの人がチップを設計しています

チップ設計の世界では、ムーアの法則が飽和状態になり、汎用プロセッサから望ましいパフォーマンスの向上を達成することがますます困難になっていることは周知の事実です。この減速を緩和するために、従来の半導体プレーヤーを超えた企業は、チップ設計リングに帽子をかぶっています。

これらの企業のいくつかを挙げれば、Google、Amazon、Facebookなどの大手企業は、独自のAIソフトウェアをサポートし、特定のアプリケーションに対応するために、独自のカスタムASIC（特定用途向け集積回路）チップの開発に多額の投資を行っています。要件。このその後の市場拡大は、今日の要求の厳しいチップ設計環境をサポートするための新しい設計ツールとソリューションに多くの機会を提供します。

AIチップの設計：制御パスが異なります

新しいAIシステムオンチップ（SoC）投資の重要な推進力は、（従来のCPUによって提供される制限された並列処理ではなく）分散方式で一度にマルチタスク計算を実行する能力です。これらのタスクを実行するために必要な設計には、ステートマシンが特定の入力に基づいて出力を処理する制御パスで構成されるデータ量の多いブロックと、データを処理するための算術ロジックで構成される計算ブロックが必要です。これらの機能を採用することで、チップ設計者はAIアルゴリズムに必要な同一の予測可能な独立した計算を劇的に加速できます。

算術計算ブロックは通常、課題ではありませんが、算術ブロックとビットの数が同時に増えると、高度さが大幅に向上し、検証チームにさらなる負担がかかります。

過去10年間で、データ中心のコンピューティングはPCとサーバーの制限を超えて進化してきました。 4ビット乗算器の単純な場合でも、その完全な機能、つまり 2 ⁴ を検証するために、考えられるすべての入力の組み合わせに対してテストベクトルを記述する必要があります。 =16.ここに課題があります。今日のAIチップの現実的なシナリオを検証する場合、チームは64ビット入力を持つ加算器を検証する必要があります。つまり、 2 ⁶⁴ 州を検証する必要があります—従来のアプローチを使用すると何年もかかる成果です。これは多くの可能性の1つの孤立した例にすぎませんが、AIチップの採用が急速に拡大し、生成されるデータの量が爆発的に増加し続けるにつれて、ハードウェア検証に関連する時間のかかる課題により、最新の安全で柔軟な検証ソリューションの必要性が重要になります。 。

究極のテスト：検証の課題

チームがAIチップを設計するときは、高速で広く使用されている設計アルゴリズムであるC / C ++が採用されています。関数型コードを作成したら、RTL（レジスタ転送言語）を使用して、情報をよりハードウェア指向の表現に変換する必要があります。このプロセスでは、チームがすべての可能な組み合わせのテストベクトルを開発するか、RTLが元のC / C ++アーキテクチャモデルと一致するかどうかを比較する必要があります。これは非常に恐ろしい作業であることがよくあります。

ここでフォーマル検証が機能します。この手法では、ハードウェア設計全体を一度に検討するために数学的分析が行われます。通常、テストベクトルはすべての入力の組み合わせに対して作成する必要がありますが、フォーマル検証は、モデルチェッカーを活用して目的の動作を指定する一連のアサーションに対して検証するための導管を提供します。

数年前でさえ、必要とされる高レベルのアサーションのために、フォーマル検証が広く利用されている方法であると考えることは考えられなかったでしょう。しかし、今日に向けて早送りすると、平均的なRTL設計者または検証エンジニアは、取引のコツをすばやく効果的に学ぶことができます。

ただし、今日のAIチップの規模と複雑さの増大に基づいて、モデル検査だけで完全に証明することは不可能です。最新の方法ではなく従来の方法を使用してこれらの数学関数を検証することは、非効率的で時間がかかり、最終的には長期的には実用的ではありません。

AIおよびMLアプリケーションには追加の手が必要です

他の形式のフォーマル検証（等価性チェックなど）を使用すると、エンジニアは最も複雑なAIデータパスでさえも検証するための堅牢なシステムを利用できます。等価性チェックプロセス中に、設計の2つの表現が比較され、設計が同等であることが証明されるか、それらの間の特定の違いが識別されます。これらの十分に強力な正式なエンジンは、2つの表現が完全に異なる抽象化レベルであり、異なる言語で記述されている可能性があるため、検証プロセス中に大きな力を発揮します。

チップ設計の詳細なRTL実装を高レベルのC / C ++アーキテクチャモデルと比較してみましょう。比較により、同じ入力セットが両方の表現に対して同じ出力を生成することが確認されます。この効率的な方法は、シミュレーションでの結果チェックに、または初期のソフトウェア開発とテストをサポートする仮想プラットフォームの一部として利用できるC / C ++モデルがすでにほとんどあることを考えると、多くのAIプロジェクトに自然に適合します。

AIアプリケーションの急速な成長にもかかわらず、形式的等価性チェックは、実証済みの参照モデルに対して設計データパスの徹底的な検証を提供できる唯一のテクノロジーです。 AIのこれまでのところ抑制されていない進化を支援するために、検証ツールには次の特性が必要です。使いやすさ、拡張性、高度なデバッグ機能。

近い将来：準同型暗号化

業界はこの計算上の偉業を維持するために高性能チップを必要とする数兆バイトのデータを生成し続けているため、ビット数の増加の予測は避けられません。世界中の大学や研究機関は、より多くの入力データを処理し、この流入をサポートできるチップを設計するための緊急時対応計画を作成する可能性を検討しています。

しかし、このデータの氾濫に伴い、ハードウェアセキュリティが必要になります。準同型暗号化は、AI / MLパズルに不可欠な要素になります。このタイプの暗号化により、チップ設計者はデータを暗号化し、AIシステムで必要とされるのと同じ算術計算を復号化せずに実行できるため、データ侵害のリスクを軽減できます。この暗号化システムを通じてAIチップ設計の結果の品質と生産性の両方を向上させるには、次世代のツールが必要になります。

エッジAIは、リアルタイムの豊富なデータコンピューティングの爆発的な増加を促進します

見過ごされている障害物に衝突する自動運転車は、誰の希望リストにも含まれていません。これは、設計が完全に検証されていない場合にAIチップが引き起こす可能性のある災害の一例にすぎません。コンピューティングアプリケーションにおけるより多くのAI機能に対する市場の欲求が高まるにつれ、新しいエッジAIデバイスは、リアルタイムの豊富なデータコンピューティングの爆発的な増加を促進し、チップメーカーが半導体設計に取り組む方法を変革し、生産性の向上、所要時間の短縮、検証の向上につながります。ソリューション。

AIファーストの世界の夜明けが近づいており、これまで以上に到達可能です。しかし、それを実現するのに十分な長さのイノベーションハムスターホイールで走ることはできますか？時間だけがわかります。