შესვლა
მომხმარებლები
სტუმრები: 8

წევრები: 0

რეგისტრირებულები: 291
ბოლო წევრი: gigijgarkava

მომავალი ღონისძიებები

ღონისძიება არაა დაგეგმილი.

ხელოვნური ინტელექტი უკვე ჯობნის ადამიანებს მიკრო-ჩიპების დიზაინში
ხელოვნური ინტელექტი უკვე ჯობნის ადამიანებს მიკრო-ჩიპების დიზაინში

მიკრო-ჩიპების დიზაინის წარმატება დამოკიდებულია, თუ როგორ არის განაწილებული მეხსიერების და ლოგიკური ელემენტების ბლოკები. თითოეული ჩიპი შეიძლება შეიცავდეს მილიონობით ლოგიკურ გამტარს (logical gates) და ათასობით მეხსიერების ბლოკს, ხოლო მათ ერთმანეთთან ათობით კილომეტრი გამტარი ზედაპირები აკავშირებს. ამიტომაც მიკრო-ჩიპების მაქსიმალური ოპტიმიზაცია არის ურთულესი პროცესი რომელსაც კაცობრიობა 60 წელზე მეტია შეისწავლის.

მეხსიერების (მაკრო) ბლოკები შეიძლება სტანდარტულ ლოგიკურ უჯრედზე (standard cells) ათასჯერ და მილიონჯერ დიდიც კი იყოს. ამიტომაც თანამედროვე მეთოდებით მიკრო-ჩიპის წარმოება სწორედ მაკრო ბლოკების დაგეგმარებით იწყება. აღმოჩნდა, რომ შესაძლო დაგეგმარების ვარიანტები 102,500-ს აღემატება. შედარებისთვის მაგიდის თამაშ გო-ს შავი და თეთრი ქვების განაწილების მხოლოდ 10,360 ვარიანტი არსებობს.

მაკრო-ბლოკების მოსახერხებელმა დიზაინმა უნდა დააკმაყოფილოს შემდეგი პირობები: მოთავსდეს სტანდარტული უჯრედები, მოთავსდეს დამაკავშირებელი არხები და ეს ყველაფერი ისე, რომ პროცესორის სიჩქარე იყოს მაქსიმალური. მაგრამ მუშაობის პროცესში ლოგიკურ წრედებში ცვლილებამ შეიძლება სტანდარტული უჯრედების არეალის 15%-ით გაზრდა მოითხოვოს. რაც შესაბამისად მაკრო-ბლოკების სტრუქტურის ცვლილებას იწვევს. ყოველი ეს კორექცია ხდება ადამიანის მიერ, რაც დღეებს და კვირებს მოითხოვს.

კომპიუტერული ინდუსტრია ხელმძღვანელობს მურის კანონით (Moore’s law) რომლის მიხედვითაც კომპონენტების რაოდენობა მიკრო-ჩიპზე ორმაგდება დაახლოებით ყოველ ორ წელიწადში. ამიტომაც მაკრო-ბლოკების დიზაინის ავტომატიზაცია აუცილებელია. წინააღმდეგ შემთხვევაში წარმოებას შესაძლოა მთელი რიგი პრობლემები შეექმნას.

2021 წლის 9 ივნისს Nature-ში Google-ს მკვლევარების მიერ გამოქვეყნებულ სტატიაში წერია: „6 საათზე ნაკლებ დროში ჩვენს მეთოდს შეუძლია შექმნას დიზაინი რომელიც ზეადმიანურია, ან უახლოვდება მას“.

მათ მიერ შექმნილი სისტემა დაფუძნებულია ნეირონულ ქსელების არქიტექტურაზე, ხოლო სწავლების პარადგიმად გამოყენებულია გაძლიერებული შემეცნება (reinforcement learning). სისტემა ყოველ ახალ ნაბიჯზე აკვირდება უკვე გამზადებულ დიზაინს და მასზე დაყრდნობით პოულობს ახალ საუკეთესო „მოქმედებას“.

მიუხედავად ხმაურიანი განცხადებისა ექსპერტები დაობენ, თუ რამდენად გაუძლებენ ხელოვნური ინტელექტის მიერ მიღებული სისტემები წარმოების შემდგომ ეტაპებს, რადგან მაკრო-ბლოკების დიზაინი მხოლოდ მცირე ნაწილია იმ სამუშაოების რაც საბოლოოდ კომპიუტერული ჩიპის მიღებას ისახავს მიზნად.

წყარო:

https://www.natur...-9#ref-CR1

კომენტარები
კომენტარი არაა დამატებული.
დაწერეთ კომენტარი
კომენტარის დასამატებლად გთხოვთ დარეგისტრირდეთ.
შეფასებებიბი
რეიტინგი მხოლოდ წევრებისათვისაა ხელმისაწვდომი.

Please login or register შეფასება.

შეფასებები არაა გამოგზავნილი.