موارد مهم
- روش جدید طراحی تراشه ها با استفاده از هوش مصنوعی می تواند هزاران ساعت تلاش انسان را نجات دهد.
- Google اخیراً اعلام کرد که راهی برای طراحی تراشه‌هایی با هوش مصنوعی ایجاد کرده است که در یک برنامه تجاری استفاده می‌شود.
- برخی ناظران می گویند که فرآیند طراحی هوش مصنوعی به معنای تراشه های بهتر با قیمت های پایین تر برای کاربران است.
محققان از هوش مصنوعی برای ساخت سریعتر تراشه های کامپیوتری استفاده می کنند. خودی های صنعت می گویند که این تلاش احتمالا منجر به تراشه های بهتر با قیمت های پایین تر برای کاربران می شود.
Google اخیراً اعلام کرده است که از هوش مصنوعی برای کمک به طراحی نسل بعدی تراشه های یادگیری ماشینی خود استفاده می کند. بر اساس مقاله ای که در مجله Nature منتشر شده است، پس از سال ها تحقیق، تلاش های هوش مصنوعی این شرکت به ثمر نشسته است و در تراشه ای که برای محاسبات هوش مصنوعی طراحی شده است، استفاده خواهد شد..
"زیبایی طراحی تراشه های مستقل این است که به طور قابل توجهی مانع ورود شرکت ها برای دسترسی به قدرت تراشه های هوش مصنوعی را کاهش می دهد، زیرا طراحان کمتری برای تولید یک طراحی با کیفیت بالا و بهینه سازی برنامه مورد نیاز هستند." استلیوس دیامانتیدیس، یکی از مدیران ارشد راه حل های هوش مصنوعی Synopsys، که نرم افزار هوش مصنوعی را برای طراحی تراشه تولید می کند، در یک مصاحبه ایمیلی گفت.
"در نهایت، این امر منجر به راحتی بیشتر، ایمنی، اتوماسیون، و ارتباطات بدون درز تقریباً در تمام جنبه های زندگی ما با هزینه کمتر و در کاربردهای متنوع تر خواهد شد."
کامپیوترهای ساختمانی
Google از هوش مصنوعی برای ساختن نسخه های بهتر از هوش مصنوعی با برنامه ریزی طراحی یک تراشه استفاده می کند. این نرم افزار بهترین مکان را برای قرار دادن اجزایی مانند CPU و حافظه پیدا می کند که انجام آن در چنین مقیاس های کوچکی چالش برانگیز است.
"روش ما در تولید برای طراحی نسل بعدی Google TPU استفاده شده است"، نویسندگان مقاله به رهبری آزالیا میرحسینی و آنا گلدی، روسای مشترک یادگیری ماشینی گوگل برای سیستم‌ها، نوشتند.
در نهایت، تقریباً در تمام جنبه‌های زندگی ما به راحتی، ایمنی، اتوماسیون و ارتباطات یکپارچه‌تر منجر می‌شود.
محققان گوگل ادعا کردند که طراحی هوش مصنوعی می تواند "پیامدهای عمده" برای صنعت تراشه داشته باشد. به گفته دانشمندان، روش جدید گوگل می تواند طرح های تراشه های قابل تولید را در کمتر از شش ساعت تولید کند که قابل مقایسه یا برتر از آنچه توسط متخصصان در تمام جزئیات ضروری، از جمله عملکرد، مصرف انرژی، و مساحت تراشه ها ساخته شده است.این روش می‌تواند هزاران ساعت کار انسان را برای هر نسل از ریزتراشه‌ها ذخیره کند.
دانشمند ارشد هوش مصنوعی فیس بوک، یان لیکان، این مقاله را به عنوان "کار بسیار خوبی" در توییتر ستود و گفت: "این دقیقاً همان نوع تنظیماتی است که RL در آن می درخشد."
مثل یک بازی شطرنج
دیامانتیدیس گفت: طراحی یک تراشه می تواند هفته ها آزمایش انسان را ببرد. او این روند را به یک بازی شطرنج تشبیه کرد، منطقه ای که هوش مصنوعی قبلاً انسان ها را شکست داده است.
"برای اینکه به شما احساس پیچیدگی یک طراحی مدار مجتمع مدرن (IC) معمولی بدهد، مقایسه زیر را در نظر بگیرید." "در بازی شطرنج، تقریباً 10 تا 123 تعداد [قدرت] حالت ها یا راه حل های بالقوه وجود دارد؛ در فرآیند قرار دادن طراحی یک تراشه روز جاری، 10 تا 90،000 است."
زیبایی طراحی تراشه های مستقل این است که به طور قابل توجهی مانع ورود شرکت ها برای دسترسی به قدرت تراشه های هوش مصنوعی را کاهش می دهد.
Diamantidis پیش بینی می کند که طراحی های AI می تواند عملکرد تراشه و بهره وری انرژی را به بیش از 1000 برابر سطح فعلی برساند.
«جستجو در این فضای وسیع یک تلاش بسیار کار فشرده است، که معمولاً به چندین هفته آزمایش نیاز دارد و اغلب بر اساس تجربیات گذشته و دانش قبیله ای هدایت می شود. «طراحی تراشه با قابلیت هوش مصنوعی یک الگوی بهینه‌سازی جدید و مولد را معرفی می‌کند که از فناوری یادگیری تقویتی (RL) برای جستجوی مستقل فضاهای طراحی برای راه‌حل‌های بهینه استفاده می‌کند.»
دیامانتیدیس گفت:طراحی تراشه های هوش مصنوعی به سرعت در حال رشد است. او ادعا کرد که سینوپسیس یک تامین کننده پیشرو در ابزارهای طراحی تراشه با هوش مصنوعی است و مشتریان آن همه شرکت های نیمه هادی و الکترونیکی بزرگ در جهان هستند. این شرکت‌ها یا در حال تهیه تراشه برای دستگاه‌های تلفن همراه، سیستم‌های محاسباتی با کارایی بالا و مراکز داده، تجهیزات مخابراتی و برنامه‌های کاربردی خودرو هستند.
ما نمی توانیم مشتریان خاصی را نام ببریم، اما فقط در چند ماه گذشته، استفاده کنندگان از ابزارهای هوش مصنوعی ما توانسته اند رکوردهای جهانی را در بهره وری طراحی به ثبت برسانند، و بلافاصله آنها را شکست دهند، و توانسته اند با دیامانتیدیس گفت: «مهندس مجرد در هفته‌ها چیزی که برای کل تیم‌های متخصص ماه‌ها طول می‌کشید.
دیامانتیدیس گفت: در نهایت، کاربران کسانی هستند که از طراحی تراشه های بهتر بهره مند می شوند. او افزود که "همه اینها به دلیل تمایل ما به پردازش داده های بیشتر، خودکارسازی عملکردهای بیشتر در محصولاتی که استفاده می کنیم، و ادغام هوش بیشتر در تقریباً هر چیزی که زندگی ما را تحت تأثیر قرار می دهد، هدایت می شود."
