Během VOP 2022 Na konferenci Nvidia hovořila o využití umělé inteligence a strojového učení budoucí grafické karty lepší než kdy jindy.
Protože se společnost rozhodla upřednostnit AI a strojové učení (ML), některá z těchto vylepšení si již najdou cestu do nadcházejících GPU Ada Lovelace nové generace.
Velké plány Nvidie ohledně AI a ML v grafických kartách nové generace byly sdíleny Bill Dally, hlavní vědecký pracovník společnosti a hlavní viceprezident výzkumu. Mluvil o výzkumných a vývojových týmech Nvidie, o tom, jak využívají AI a strojové učení (ML) a co to znamená pro GPU nové generace.
Doporučená videa
Stručně řečeno, používání těchto technologií může pro grafické karty Nvidia znamenat jen dobré věci. Dally diskutoval o čtyřech hlavních částech návrhu GPU a také o způsobech, kterými může použití AI a ML drasticky zrychlit výkon GPU.
Cílem je zvýšení rychlosti i efektivity a Dallyho příklad hovoří o tom, jak použití AI a ML může snížit standardní úlohu návrhu GPU ze tří hodin na pouhé tři sekundy.
Použití umělé inteligence a strojového učení může pomoci optimalizovat všechny tyto procesy.
To je údajně možné díky optimalizaci až čtyř procesů, které běžně zaberou hodně času a jsou velmi podrobné.
To se týká monitorování a mapování poklesů napájecího napětí, předvídání chyb prostřednictvím parazitní predikce, standardní automatizace migrace buněk a řešení různých problémů se směrováním. Použití umělé inteligence a strojového učení může pomoci optimalizovat všechny tyto procesy, což vede k velkým ziskům v konečném produktu.
Mapování potenciálních poklesů napětí pomáhá společnosti Nvidia sledovat tok napájení grafických karet nové generace. Podle Dallyho může přechod z používání standardních nástrojů na specializované nástroje AI tento úkol drasticky urychlit, protože nová technologie dokáže takové úkoly provést během pouhých sekund.
Dally řekl, že použití AI a ML pro mapování úbytků napětí může zvýšit přesnost až o 94 % a zároveň výrazně zvýšit rychlost, s jakou jsou tyto úkoly prováděny.
Datový tok v nových čipech je důležitým faktorem v tom, jak dobře je nový grafická karta vystupuje. Nvidia proto používá grafové neuronové sítě (GNN), aby identifikovala možné problémy v toku dat a rychle je řešila.
Parazitní predikce pomocí umělé inteligence je další oblastí, ve které Nvidia vidí zlepšení, zaznamenala zvýšenou přesnost, přičemž chybovost simulace klesla pod 10 procent.
Nvidii se také podařilo zautomatizovat proces migrace standardních buněk čipu, omezit spoustu prostojů a celý úkol urychlit. Díky tomu bylo 92 % buněčné knihovny migrováno pomocí nástroje bez chyb.
Společnost se v budoucnu plánuje zaměřit na AI a strojové učení, přičemž pět svých laboratoří věnuje výzkumu a navrhování nových řešení v těchto segmentech. Dally naznačil, že můžeme vidět první výsledky tohoto nového vývoje v nových 7nm a 5nm návrzích Nvidia, které zahrnují nadcházející GPU Ada Lovelace. Toto bylo poprvé oznámeno uživatelem Wccftech.
Není žádným tajemstvím, že další generace grafických karet, často označovaná jako RTX 4000, bude intenzivně silný (s odpovídajícími požadavky na napájení). Použití umělé inteligence a strojového učení k dalšímu vývoji těchto GPU znamená, že brzy můžeme mít v rukou skutečnou elektrárnu.
Doporučení redakce
- Nabídka míru od Nvidie nefunguje
- Tento tajemný GPU Nvidia je absolutní monstrozita – a právě jsme se dočkali dalšího pohledu
- Proč zbrusu nový GPU od Nvidie funguje hůře než integrovaná grafika
- Nvidia RTX 4060 může dorazit dříve, než se očekávalo
- AMD může rozdrtit Nvidii svými grafickými procesory pro notebooky – ale na přední straně stolního počítače je ticho
Upgradujte svůj životní stylDigitální trendy pomáhají čtenářům mít přehled o rychle se měnícím světě technologií se všemi nejnovějšími zprávami, zábavnými recenzemi produktů, zasvěcenými úvodníky a jedinečnými náhledy.
