`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Виталий Кобальчинский

Чип, спроектируй себя сам!

+22
голоса

Одна из ключевых задач компьютерного проектирования заключается в разработке максимально эргономичного варианта компоновки микросхемы с сохранением заданных производительности, мощности и энергоэффективности.

Этот процесс известен как поуровневое планирование (floor planning). В отличие, например, от планирования интерьера помещений, для цифровых схем оптимизация компоновки включает тысячи элементов и происходит на многих уровнях, напоминая игру в трёхмерный Тетрис.

Можно понять, что поэтапное планирование чипов это весьма трудоёмкое занятие, которое отнимает много времени. При этом, кропотливо рассчитанная раскладка/разводка быстро устаревает из-за непрерывного совершенствования компонентов микросхем. Проект чипа в среднем сохраняет актуальность от двух до пяти лет, и время между его обновлениями постоянно сокращается под давлением рыночной конкуренции.

Исследователи из Google Анна Голди (Anna Goldie) и Азалия Мирхосейни (Azalia Mirhoseini) объявили об этапном достижении в поуровневом проектировании чипов. Они разработали алгоритм, который обучается автоматически компоновать микроэлектронные схемы.

За ничтожную долю того времени, которое обычно тратят на такое проектирование, интеллектуальная система успевает проанализировать миллионы комбинаций вместо тысяч, считающихся нормой сейчас, благодаря чему чипы получаются более быстрыми, дешёвыми и миниатюрными.

Концепция обучения с подкреплением, а проще говоря «кнута и пряника», которую применили создатели алгоритма, заключается в оценке каждого сгенерированного ИИ-системой дизайна чипа с помощью «наград» и «наказаний». Заставляя интеллектуальную модель реагировать на положительные и отрицательные стимулы, её обучение направляют в нужную сторону, и, понемногу, она начинает «понимать», чего от неё хотят.

Всестороннее тестирование алгоритма показало, что искусственный интеллект проектирует чипы более эффективно, чем это делают профессиональные инженеры-микроэлектронщики. В статье, выложенной на допечатном сервере arXiv.org Корнеллского университета (Великобритания), Голди и Мирхосейни утверждают, что ключом к успеху их работы – потенциальному уменьшению цикла разработки микросхем – стало возникновение своего рода симбиотических отношений между искусственным интеллектом и аппаратным обеспечением, при которых каждый из участников стимулирует прогресс в другом.

В перспективе, новый алгоритм Google может помочь в возвращении индустрии к постулированному Муром ежегодному удвоению количества транзисторов в чипе. Однако для этого ему придётся научиться перебирать и оценивать варианты расстановки не миллионов, а миллиардов компонентов: в современном процессоре AMD Epyc Rome насчитывается 39,5 млрд транзисторов.

26 ноября — не пропустите Dell Technologies Forum EMEA!

+22
голоса

Напечатать Отправить другу

Читайте также

 

Slack подает жалобу на Microsoft и требует антимонопольного расследования от ЕС

 
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT