[ad_1]

سامسونگ دارای تراشه مخصوص خود است که توسط AI طراحی شده است.  به زودی دیگران این کار را خواهند کرد

گتی ایماژ

سامسونگ از هوش مصنوعی برای خودکارسازی فرایند پیچیده و پیچیده طراحی تراشه های رایانه ای پیشرفته استفاده می کند.

غول کره جنوبی یکی از اولین تولیدکنندگان تراشه بود که از هوش مصنوعی برای ایجاد تراشه های خود استفاده کرد. سامسونگ از ویژگی های هوش مصنوعی در نرم افزار جدید Synopsys استفاده می کند ، شرکت پیشرو نرم افزار طراحی تراشه که توسط بسیاری از شرکت ها استفاده می شود. Art de Geus ، رئیس و مدیرعامل Synopsys ، می گوید: “آنچه در اینجا مشاهده می کنید اولین طراحی پردازنده AI تجاری است.”

دیگران ، از جمله گوگل و انویدیا ، در مورد طراحی تراشه ها با هوش مصنوعی صحبت کرده اند. اما ابزار Synopsys ، به نام DSO.ai ، ممکن است بزرگترین ابزار باشد ، زیرا Synopsys با ده ها شرکت همکاری می کند. به گفته ناظران صنعت ، این ابزار می تواند توسعه نیمه هادی را تسریع کرده و طرح های جدید تراشه را باز کند.

Synopsys یک دارایی ارزشمند دیگر برای ایجاد تراشه های هوش مصنوعی دارد: چندین سال طراحی نیمه هادی پیشرفته که می تواند برای آموزش الگوریتم هوش مصنوعی مورد استفاده قرار گیرد.

سخنگوی سامسونگ تأیید کرد که این شرکت از نرم افزار Synopsys AI برای طراحی تراشه های Exynos خود استفاده می کند که در تلفن های هوشمند ، از جمله تلفن های مارک خود و همچنین سایر ابزارها استفاده می شود. سامسونگ در اوایل این هفته از جدیدترین تلفن هوشمند خود ، دستگاه تاشو با نام Galaxy Z Fold3 رونمایی کرد. این شرکت تأیید نکرده است که چیپ های طراحی شده با هوش مصنوعی وارد تولید شده اند یا در چه محصولاتی ممکن است ظاهر شوند.

در سراسر صنعت ، به نظر می رسد هوش مصنوعی نحوه ساخت چیپ ها را تغییر می دهد.

یک سند گوگل که در ماه ژوئن منتشر شد ، استفاده از هوش مصنوعی برای ترتیب اجزای تراشه های Tensor را توصیف می کند ، که از آن برای آموزش و اجرای برنامه های هوش مصنوعی در مراکز داده خود استفاده می کند. گوشی هوشمند بعدی گوگل ، پیکسل 6 ، دارای تراشه سفارشی ساخته شده توسط سامسونگ خواهد بود. سخنگوی گوگل از گفتن اینکه آیا هوش مصنوعی در طراحی تراشه گوشی هوشمند کمک کرده یا نه ، خودداری کرد.

تولیدکنندگان تراشه ، از جمله Nvidia و IBM ، همچنین در حال طراحی تراشه های مبتنی بر هوش مصنوعی هستند. سایر فروشندگان نرم افزارهای طراحی تراشه ، از جمله Cadence ، رقیب Synopsys ، نیز در حال توسعه ابزارهای هوش مصنوعی برای کمک به طرح کلی تراشه های جدید هستند.

مایک دملر ، تحلیلگر ارشد گروه لینلی که نرم افزار طراحی تراشه را دنبال می کند ، می گوید هوش مصنوعی برای چیدمان میلیاردها ترانزیستور در یک تراشه بسیار مناسب است. وی گفت: “او تسلیم این مشکلات می شود که بسیار پیچیده شده اند.” “این به سادگی به یک بخش استاندارد از ابزار محاسبات تبدیل می شود.”

به گفته Demler ، استفاده از هوش مصنوعی گران است ، زیرا برای آموزش یک الگوریتم قوی به قدرت محاسبات ابری زیادی نیاز دارد. اما انتظار می رود با کاهش هزینه های محاسباتی و کارآمدتر شدن مدل ها ، مقرون به صرفه تر شود. او می افزاید که بسیاری از کارهای طراحی تراشه ها را نمی توان خودکار کرد ، بنابراین هنوز به طراحان متخصص نیاز است.

ریزپردازنده های مدرن فوق العاده پیچیده هستند و شامل اجزای زیادی هستند که باید به طور م combinedثر ترکیب شوند. ترسیم یک طرح جدید تراشه معمولاً به هفته ها تلاش سخت و همچنین چندین دهه تجربه نیاز دارد. بهترین طراحان تراشه از درک غریزی نحوه تأثیر راه حل های مختلف بر هر مرحله از فرآیند طراحی استفاده می کنند. این درک را نمی توان به آسانی در کد رایانه نوشت ، اما برخی از مهارت های مشابه را می توان با کمک یادگیری ماشین به دست آورد.

رویکرد هوش مصنوعی که توسط Synopsys و همچنین Google ، Nvidia و IBM استفاده می شود ، از تکنیک یادگیری ماشین به نام یادگیری پیشرفته برای توسعه طراحی تراشه استفاده می کند. آموزش تقویت شده شامل آموزش الگوریتمی برای انجام وظیفه از طریق پاداش یا تنبیه است و ثابت شده است که یک روش م toثر برای به دست آوردن کدگذاری دقیق و دشوار انسان است.

این روش می تواند با آزمایش طرح های مختلف در شبیه سازی و یادگیری اینکه کدامیک بهترین نتایج را می دهد ، به طور خودکار مبانی طراحی ، از جمله محل قرارگیری اجزا و نحوه اتصال آنها را آماده کند. این می تواند روند طراحی تراشه را تسریع کرده و به مهندس اجازه دهد تا با طراحی های جدید به طور کارآمدتری آزمایش کند. در یک پست وبلاگی در ماه ژوئن ، سینوپسیس گفت که سازنده مدارهای مجتمع آمریکای شمالی با استفاده از نرم افزار عملکرد تراشه ها را تا 15 درصد بهبود بخشیده است.

مهمتر از همه ، آموزش تقویتی توسط DeepMind ، یکی از زیرمجموعه های Google ، در سال 2016 برای توسعه AlphaGo ، برنامه ای که قادر به تسلط بر بازی روی میز به اندازه کافی خوب است که بتواند بازیکنی در سطح جهانی Go را شکست دهد ، استفاده کرد.

De Geus می گوید که شرکت او متوجه شده است که آموزش تقویت می تواند برای طراحی تراشه نیز مفید باشد. دی گیس می گوید: “کمی بیش از یک سال و نیم پیش ، ما ابتدا به همان نتایجی دست یافتیم که تیم متخصصان در چند ماه در چند هفته به دست آورده بودند.” او جزئیات مربوط به فناوری و توسعه آن را در HotChips ، یک کنفرانس فناوری نیمه هادی ، در 23 آگوست ارائه می دهد.

Stelios Diamantidis ، مدیر ارشد راه حل های هوش مصنوعی در Synopsys ، می گوید که نرم افزار DSO.ai می تواند پیکربندی شود تا انواع مختلفی از اهداف ، مانند عملکرد یا بهره وری انرژی را در اولویت قرار دهد.

نیمه هادی ها و ابزارهای مورد استفاده در ساخت آنها به طور فزاینده ای به دارایی های ارزشمندی تبدیل می شوند. دولت آمریکا تلاش کرده است عرضه فناوری تراشه به چین را که رقیب اصلی آن است ، محدود کند و برخی از سیاستمداران خواستار افزودن این نرم افزار به لیست کنترل صادرات شده اند.

عصر ظهور تراشه های طراحی شده با هوش مصنوعی ، چشم انداز استفاده همزمان از هوش مصنوعی برای سفارشی سازی نرم افزار برای کارآمدتر کارکردن بر روی تراشه را افزایش می دهد. این ممکن است شامل الگوریتم های شبکه عصبی باشد که از تراشه های AI تخصصی استفاده می کنند و معمولاً در هوش مصنوعی مدرن استفاده می شوند.

سانگ هان ، پروفسور MIT متخصص در طراحی تراشه های هوش مصنوعی می گوید: “نرم افزار و سخت افزار کدگذاری با استفاده از هوش مصنوعی یک روند سریع در حال تحول است.” “ما نتایج امیدوارکننده ای را دیدیم.”

این داستان در ابتدا در wired.com ظاهر شد.

[ad_2]

منبع: tarjome-news.ir