Nový algoritmus Googlu dokáže automatizovat komplexní procesy, které stojí před designem nového čipu. Inženýrům tak ušetří měsíce zdlouhavé, náročné a poměrně nudné práce.
Dataset 10 tisíc modelů předchozích čipů pomohlo modelu strojového učení, trénovaného zpětnovazebním učením – ideální pro tento typ úkolu – vygenerovat optimalizované rozmístění komponentů na čipu tak, aby byl co nejefektivnější, nejúspornější a nejrychlejší.
Algoritmus umělé inteligence se projevil jako vysoce efektivní, Google ho již dokonce použil pro navržení nové generace tensorových procesorů – TPU – které běží na datacentrech firmy.
Zdroj: Pixabay
Automatizace designu
Díky zpětnovazebnímu strojovému učení je schopen algoritmus vygenerovat nový design čipu během několika hodin; lidským inženýrům, i špičkám v oboru, zabere ta samá práce celé měsíce.
Moderní čipy mají miliardy různých komponentů rozložených na kusu křemíku o velikosti nehtu na prstech ruky – je to obří soubor komponent na miniaturním základu; jediný procesor obsahuje desítky milionů logických hradel a tisícovky dalších součástek, vzájemně propojených.
Rozmístění těchto součástek je nesmírně důležité – určuje rychlost přenosu signálu v čipu, a tudíž jeho výslednou efektivitu. Optimalizace tohoto rozmístění je tak nezbytná, avšak zdlouhavá a v podstatě nudná práce. Přesně taková, jakou skvěle dokáže zvládnout kvalitní algoritmus. Variant rozmístění je extrémní množství, a lidé na ty nejefektivnější zkrátka nezvládají přijít tak rychle jako počítač a jeho matematické výpočty.
Zdroj: Pixabay
Desítky let se však přesto design čipů navrhoval ručně – nebylo jednoduché vytvořit algoritmus, který by to za ně dokázal.
Google to ovšem dokázal, a připisuje si tak významnou inovaci v oblasti vývoje a výroby mikročipů.
Zdroj: ZDnet
