Magdalena Posted August 17, 2021 Share Posted August 17, 2021 სამხრეთკორეული ტექნოლოგიური გიგანტი Samsung იყო ერთ-ერთი პირველი, ვინც გამოიყენა ხელოვნური ინტელექტი მიკროსქემების შესაქმნელად. ამისთვის კომპანია იყენებს Synopsys-სის ახალ პროგრამულ უზრუნველყოფას, ჩიპების დაპროექტებისთვის საჭირო პროგრამული უზრუნველყოფის წამყვანი დეველოპერის ქმნილებას, რომლის ტექნოლოგიები ინდუსტრიაში ფართოდ გამოიყენება. Samsung-მა შექმნა ხელოვნური ინტელექტის მიერ შექმნილი რეალური კომერციული პროცესორის პირველი ნიმუში. სხვა ტექნოლოგიური გიგანტები, მათ შორის Google და NVIDIA, ადრე განიხილავდნენ ხელოვნური ინტელექტის მეშვეობით მიკროსქემების შექმნის შესაძლებლობებს. თუმცა Synopsys-ის ინსტრუმენტი, სახელად DSO.ai ყველაზე პერსპექტიულად გამოიყურება Synopsys-ის გამოცდილებისა და იმ ფაქტის გათვალისწინებით, რომ იგი ათეულობით ჩიპმეიკერთან თანამშრომლობს. საწარმოო ექსპერტების აზრით ეს ინსტრუმეტი დააჩქარებს ჩიპების შემუშავებასა და შემოგვთავაზებს ახალ იდეებს მიკროსქემების კონსტრუქციის მხრივ. Synopsys-ს კიდევ ერთი ღირებული აქტივი აქვს ხელოვნური ინტელექტის რესურსით მიკროსქემების შექმნისთვის. საუბარია მოწინავე ნახევრადგამტარი მოწყობილობების შემუშავების მრავალწლიან გამოცდილებაზე, რომელთა გამოყენება შესაძლებელია ხელოვნური ინტელექტის ალგორითმების სწავლებისთვის. Samsung-ის წარმომადგენელმა დაადასტურა, რომ კომპანია იყენებს ხელოვნური ინტელექტით აღჭურვილ Synopsys-ის პროგრამულ უზრუნველყოფას საფირმო Exynos ჩიპსეტების შესაქმნელად. თუმცა, კომპანიას არ განუმარტავს, ხდება თუ არა ხელოვნური ინტელექტის მიერ შემუშავებული ჩიპების მასობრივი წარმოება და თუ ასეა, რომელ პროდუქტებში გამოიყენება ისინი. არსებობს კიდევ ერთი მაგალითი. Google-ის ივნისში გამოქვეყნებულ დოკუმენტში აღწერილია ხელოვნური ინტელექტის გამოყენება Tensor-ჩიპებში ბლოკების ოპტიმალური განთავსების ძიებისთვის. ეს ჩიპები Samsung-თან ერთად შეიქმნა, მათი დებიუტი Pixel 6 სმარტფონებში უახლოეს დროში შედგება. თუმცა Google-ის წარმომადგენლები ჯერჯერობით არ აკონკრეტებენ, დაეხმარა თუ არა ხელოვნური ინტელექტი Tensor-ის შექმნაში. Samsung-ის გარდა ხელოვნური ინტელექტით ჩიპების შექმნით დკავებულნი არიან NVIDIA და IBM. Linley Group-ის უფროსი ანალიტიკოსი მაიკ დემლერი (Mike Demler), რომელიც ზედამხედველობს მიკროსქემების შექმნისთვის საჭირო პროგრამული უზრუნველყოფის განვითარებას, აცხადებს, რომ ხელოვნური ინტელექტი კარგად უმკლავდება კრისტალზე მილიარდობით ტრანზისტორის განთავსების ოპტიმიზაციას. იგი მიიჩნევს, მალე ხელოვნური ინტელექტი ჩიპების შექმნისთვის საჭირო ინსტრუმენტების ნაკრების სტანდარტული ნაწილი გახდება. დემლერი ამბობს, რომ ამჟამად ხელოვნური ინტელექტის გამოყენება ძვირი ჯდება, რადგან ალგორითმის სწავლებისთვის საჭიროა უამრავი ნედლი მონაცემი. მაგრამ იგი ელის, რომ ხელოვნური ინტელექტის გამოყენება გაცილებით ხელმისაწვდომი გახდება, რადგან მანქანური სწავლების მოდელები უფრო ეფექტური გახდება. თუმცა დემლერმა აღნიშნა, რომ მიკროსქემების დაპროექტებასთან დაკავშირებული ბევრი პროცესის ავტომატიზაცია შეუძლებელია, ასე რომ ჩიპმეიკერებს კვლავ დასჭირდებათ გამოცდილი ინჟინრები. Synopsys-ის, Google-ის, NVIDIA-სა და IBM-ის მიერ გამოყენებული მიდგომა იყენებს მანქანური სწავლების მეთოდს, რომელსაც ეწოდება გაძლიერებული სწავლება. იგი გულისხმობს ალგორითმის სწვალებას „ჯილდოს“ ან „დასჯის“ მეშვეობით, რაც ეფექტური მიდგომა აღმოჩნდა ადამიანის მიერ მკაცრად ფორმალიზებული განსჯის აღსაწერად. ამ მეთოდს შეუძლია ავტომატურად შექმნას ციფრული ჩიპის დიზაინის საფუძველი, მათ შორის კომპონენტების განთავსება და მათი დაკავშირება სილიკონის ჩიპზე. ალგორითმის გამოყენებას შეუძლია დააჩქაროს დიზაინის შექმნის პროცესი და ინჟინრებს საშუალება მისცეს უფრო ეფექტურად მოახდინონ ექსპერიმენტირება სქემებში. ნახევარგამტარი ჩიპები და ინსტრუმენტები, რომლებიც გამოიყენება მათი დაპროექტებისა და დამზადებისთვის, სულ უფრო ღირებული აქტივები ხდება. მაგალითად, აშშ-ს ხელისუფლებამ ჩინეთის ტექნოლოგიური სექტორის წინააღმდეგ სანქციების გამკაცრების მიზნით გადაწყვიტა ჩიპების შემუშავების პროგრამული უზრუნველყოფის დამატება ექსპორტის კონტროლის სიაში. https://bit.ly/3CPAt4h Quote Link to comment Share on other sites More sharing options...
Recommended Posts
Join the conversation
You can post now and register later. If you have an account, sign in now to post with your account.