خبر جدید | معرفی فناوری AlphaChip – راهکار گوگل برای طراحی تراشههای بهینه با استفاده از هوش مصنوعی | مایفون مگ
برنامه ریزی طراحی تراشه یا طراحی بلوک های اصلی پردازنده معمولا طولانی ترین و پر زحمت ترین مرحله در توسعه تراشه است. در سالهای اخیر، شرکتهای بزرگی مانند Synopsys ابزارهای طراحی تراشه با کمک هوش مصنوعی را توسعه دادهاند که این فرآیند را سرعت میبخشد و طراحی بلوکهای اصلی پردازنده را بهبود میبخشد. با این حال، این ابزارها گران هستند و گوگل اکنون به دنبال این است که رویکرد طراحی تراشه به کمک هوش مصنوعی را تا حدودی در دسترستر کند.
آلفا چیپ چگونه کار می کند؟
AlphaChip از یک مدل یادگیری تقویتی استفاده می کند که در آن اقدامات در یک محیط از پیش تعریف شده انجام می شود و پس از جمع آوری نتایج، از تجربیات این آزمایش ها برای انتخاب بهتر در آینده استفاده می شود. در واقع، سیستم در AlphaChip طراحی بلوک های اصلی پردازنده را به عنوان نوعی بازی می بیند و بخشی از مدار را در یک شبکه خالی در هر چرخه قرار می دهد. این سیستم با حل بیشتر این پازل های طراحی و تکیه بر شبکه های عصبی نموداری برای درک روابط بین اجزای مختلف، عملکرد خود را بهبود می بخشد.
در حال حاضر، طراحی یک تراشه پیچیده مانند GPU یا GPU توسط انسان حدود 24 ماه زمان می برد. طراحی بلوک های پردازنده با پیچیدگی کمتر حداقل چندین ماه طول می کشد و میلیون ها دلار هزینه دارد. گوگل ادعا می کند که AlphaChip این بازه زمانی را کوتاه می کند و می تواند در عرض چند ساعت طرح بندی اسلایدها را ایجاد کند. علاوه بر این، گفته میشود که طرحهای تولید شده توسط این ابزار برای کارایی و عملکرد بهینهسازی شدهاند و چیپستهای باکیفیت در این فرآیند توسعه مییابند. گوگل همچنین نموداری را منتشر کرد که نشان دهنده کاهش طول سیم برد در نسخه های مختلف واحد پردازش تنسور (TPU) و پلت فرم Trillium در مقایسه با توسعه دهندگان انسانی است.
از سال 2020، پروژه تحقیقاتی AlphaChip برای طراحی شتابدهندههای هوش مصنوعی واحد پردازش تنسور (TPU) استفاده شده است که بسیاری از مدلهای هوش مصنوعی و سرویسهای ابری در مقیاس بزرگ گوگل را هدایت میکند. این پردازنده ها مدل هایی را بر اساس معماری شبکه عصبی Transformer اجرا می کنند که شامل مدل Gemini AI و راه حل Imagen گوگل در میان فناوری های ساخته شده بر روی آن است. AlphaChip طراحی هر نسل متوالی از واحد پردازش تانسور (TPU)، از جمله آخرین تراشههای نسل ششم Trillium را بهبود بخشیده است و از عملکرد بالاتر و توسعه سریعتر پشتیبانی میکند. با این حال، گوگل هنوز برای مجموعه محدودی از بلوک ها به AlphaChip متکی است و توسعه دهندگان انسانی هنوز هم بخش عمده ای از کار را انجام می دهند.
همانطور که گفته شد، AlphaChip برای توسعه پردازنده های مختلفی از جمله واحد پردازش تنسور گوگل و چیپست نسل پنجم Dimensity مدیاتک استفاده شده است که در حال حاضر در بسیاری از گوشی های هوشمند استفاده می شود. از این رو، میتوان نتیجه گرفت که AlphaChip قادر به طراحی انواع مختلف پردازندهها است و به گفته گوگل، روی طیف گستردهای از بلوکهای تراشه از قبل آموزش داده شده است. این AlphaChip را قادر میسازد تا با اجرای طرحهای بیشتر، الگوها را با کارایی بیشتری ایجاد کند. شایان ذکر است که فرآیند یادگیری ماشینی بسیار سریعتر از کسب تجربه و آموزش در بین متخصصان انسانی است.
جالب اینجاست که پس از معرفی عمومی AlphaChip، برخی منابع با استناد به بیانیه گوگل مبنی بر استفاده از این پلتفرم در نسل پنجم چیپست های Dimensity که در گوشی های سامسونگ مطابق با روند سال های گذشته استفاده می شود، به این نتیجه رسیدند که گوشی های هوشمند گلکسی اس 25 و گلکسی اس 25 پلاس ، در ژانویه 2025 معرفی می شود و به تراشه مدیاتک Dimensity 9400 مجهز می شود که با استفاده از AlphaChip طراحی شده است. از آنجایی که این شرکت کره ای هنوز هیچ یک از گوشی های پرچمدار خود مجهز به تراشه های مدیاتک 9000 را روانه بازار نکرده است، انتظار می رود که تراشه های پیشرفته سری 9000 در ساخت محصولات آینده سامسونگ استفاده شوند و محصولاتی که گوگل به آنها اشاره می کند احتمالا گوشی های Galaxy S25 و Galaxy S25+.
آینده AlphaChip از دیدگاه گوگل
از دیدگاه گوگل، AlphaChip می تواند کل چرخه عمر تراشه را از مرحله طراحی معماری به تولید نهایی تبدیل کند. طبق اعلام این شرکت، روشهای مبتنی بر هوش مصنوعی میتوانند منجر به تولید تراشههای سریعتر، کوچکتر، ارزانتر و کممصرف شوند. به گفته این ابرشرکت آمریکایی، موفقیت AlphaChip موجی از تحقیقات جدید را در زمینه استفاده از هوش مصنوعی در مراحل مختلف طراحی تراشه ایجاد کرده است. این رویکرد شامل مواردی مانند گسترش تکنیکهای هوش مصنوعی در زمینههایی مانند سنتز منطق، انتخاب کل و بهینهسازی زمان است. فرآیندها نیز توسط رقبایی مانند Synopsys و Cadence ارائه می شوند، اما بسیار گران هستند. گوگل اعلام کرد که محققان در حال مطالعه نحوه گسترش رویکرد AlphaChip به سایر مراحل توسعه تراشه هستند. علاوه بر این، نسخههای جدیدتر AlphaChip در حال توسعه هستند و میتوانیم در آینده منتظر نمونههای اولیه بهتر و کاربردهای گستردهتری از این پلتفرم باشیم.
منبع: http://www.مایفون مگ/news/view-5598-introducing-google-alphachip-ai-assisted-chip-design-technology.aspx
تحریریه مای فون مگ