Η Samsung συνεχίζει να μας εκπλήσσει. Πρόσφατα, ανακοίνωσε ότι η επόμενη γενιά SoC κινητών τηλεφώνων θα σχεδιαστεί χρησιμοποιώντας AI. Όπως ανέφερε το Wired, η Samsung θα χρησιμοποιήσει τη λειτουργία AI (DSO.ai) που παρέχει η Synopsys για να σχεδιάσει τον επεξεργαστή Exynos επόμενης γενιάς. FYI, τα τσιπ Exynos χρησιμοποιούνται στα smartphone και τα tablet της Samsung (κυρίως στην αγορά της Κορέας και της Ευρώπης). Η Synopsys είναι ένας από τους μεγαλύτερους προμηθευτές λογισμικού σχεδιασμού τσιπ στον κόσμο (EDA). Ο πρόεδρος αυτής της εταιρείας είπε ότι το DSO.ai είναι το πρώτο εμπορικό λογισμικό AI για σχεδιασμό επεξεργαστή. Ωστόσο, πρέπει να σημειώσουμε ότι η Samsung δεν θα αναθέσει όλη την εργασία σε AI. Αντ ‘αυτού, θα χρησιμοποιήσει μάθηση ενίσχυσης για αυτόματη αναζήτηση στο χώρο του σχεδιασμού για να βρει την καλύτερη λύση.
Πως κατασκευάζεται ένα SoC κινητού τηλεφώνου;
Ένα microchip θα πρέπει πρώτα να ολοκληρώσει το τμήμα «λογικής» σχεδίασης, το οποίο συμπληρώνεται από μηχανικούς. Μετά από αυτό, ο κατασκευαστής ξεκινά τη διάταξη και τον σχεδιασμό δρομολόγησης για να καθορίσει την τοποθέτηση κάθε τρανζίστορ και τον τρόπο σύνδεσής τους. Ωστόσο, τα σύγχρονα τσιπ έχουν γενικά δισεκατομμύρια ή ακόμη και δεκάδες δισεκατομμύρια τρανζίστορ. Αυτός είναι ο λόγος για τον οποίο η διάταξη και οι δοκιμές του σχεδιασμού χρειάζονται συνήθως 20 έως 30 εβδομάδες για να ολοκληρωθούν. Αντιμέτωπος με «αμέτρητα είδη» επιλογών, ο τελικός σχεδιασμός διάταξης πρέπει να επιτύχει τις αντισταθμίσεις πριν από τρεις στόχους: απόδοση, κατανάλωση ενέργειας και έκτασης. Ο σχεδιασμός τσιπ μπορεί να έχει δυνατότητες 10⁹⁰⁰⁰⁰. Οι μηχανικοί έχουν μια ενστικτώδη κατανόηση του τρόπου με τον οποίο διαφορετικά σχέδια θα φτιάξουν microchips. Αλλά αυτή η κατανόηση είναι δύσκολο να γραφτεί σε κώδικα υπολογιστή. Είναι παρόμοιο με την ενισχυτική μάθηση.
Σημείωση: Η μάθηση ενδυνάμωσης εκπαιδεύει αλγόριθμους μέσω rewards ή penalties. Το DSO.ai είναι αυτό που χρειάζονται. Αυτή η προσέγγιση είναι παρόμοια με το AlphaZero. Το AlphaZero μαθαίνει να παίζει Go and Chess μέσω αυτο-παιχνιδιών AI. Το DSO.ai μαθαίνει πώς να λαμβάνει βέλτιστες αποφάσεις μέσω μιας μεγάλης ροής δεδομένων που δημιουργείται από έναν υπολογιστή και βρίσκει πιο αξιόπιστες σχεδιαστικές λύσεις σε μικρότερο χρονικό διάστημα κατά τη διάρκεια της μαθησιακής διαδικασίας.
Το DSO.ai έχει βελτιώσει σημαντικά την ταχύτητα σχεδιασμού. Η Synopsys είπε ότι αυτό το εργαλείο αύξησε τη συχνότητα microchip κατά 18% σε ορισμένες περιπτώσεις, μείωσε την κατανάλωση ενέργειας κατά 21% και μείωσε τον χρόνο μηχανικής σχεδίασης από έξι μήνες σε έναν μήνα. Επιπλέον, η τεχνητή νοημοσύνη θα συνεχίσει να «αυτομαθαίνει» να βελτιώνει τις δυνατότητές της. Όσο περισσότερο λειτουργεί, τόσο πιο έξυπνο γίνεται. Αυτό σημαίνει ότι στο μέλλον θα σχεδιάσει τα microchips πιο γρήγορα. Εκτός από τη Synopsys, ορισμένες εταιρείες αναπτύσσουν επίσης τα δικά τους εργαλεία AI σχεδιασμού microchip. Μεταξύ αυτών, τα πιο γνωστά είναι η Google και η Nvidia. Επιπλέον, ένας άλλος κατασκευαστής EDA, η Cadence, κυκλοφόρησε επίσης πρόσφατα ένα εργαλείο σχεδιασμού AI.
Ακολουθήστε το Gizchina Greece στο Google News για να μαθαίνετε πρώτοι και άμεσα, όλα τα τεχνολογικά νέα! Αν ψάχνετε HOT προσφορές, κάντε εγγραφή στο κανάλι μας στο Telegram!
