گوگل با معرفی فناوری آلفاچیپ، روشی جدید و کارآمد برای طراحی تراشه‌های کامپیوتری ارائه کرده است. این فناوری به هوش مصنوعی اجازه می‌دهد تا با استفاده از روش یادگیری تقویتی، چیدمان بهینه‌ی اجزای تراشه را پیدا کند.
به‌گزارش تکناک، گوگل روش یادگیری تقویتی جدیدی به نام آلفاچیپ را رونمایی کرده است که روند طراحی چیدمان تراشه‌ها را بسیار متحول می‌کند. هوش مصنوعی آلفاچیپ با بهینه‌سازی عملکرد و مصرف انرژی و مساحت تراشه‌ها، طراحی آنها را کارآمدتر می‌کند. این روش که اکنون در‌دسترس عموم قرار گرفته است، نقش مهمی در طراحی واحدهای پردازش تانسور (TPU) گوگل برعهده دارد و در کانون توجه شرکت‌های دیگری مانند مدیاتک نیز قرار گرفته است.
تامزهاردور می‌نویسد که طراحی فیزیکی تراشه، ازجمله چیدمان ترانزیستورها روی سیلیکون، همیشه یکی از مراحل توسعه‌ی پیچیده و زمان‌بر تراشه بوده است. در سال‌های اخیر، شرکت‌هایی مانند سیناپسیس با بهره‌گیری از هوش مصنوعی، ابزارهایی برای خودکارسازی و بهینه‌سازی این فرایند معرفی کرده‌اند.
بااینحال، هزینه‌ی هنگفت این ابزارها از دسترسی گسترده‌ی طراحان به این فناوری مانع شده است. گوگل با هدف دموکراتیزه‌کردن طراحی تراشه، در تلاش است تا این فناوری را به‌دست طیف وسیع‌تری از طراحان برساند و توسعه‌ی تراشه را تسریع کند.
طراحی نقشه‌ی تراشه‌ی پیچیده مثل GPU، کاری زمان‌بر و پرهزینه است. مهندسان معمولاً دو سال یا بیشتر برای این کار وقت می‌گذارند. بااینحال، گوگل با استفاده از هوش مصنوعی این روند را متحول کرده است. سیستم هوش مصنوعی گوگل به نام آلفاچیپ می‌تواند در چند ساعت، نقشه‌ای دقیق و بهینه از تراشه‌ی پیچیده ایجاد کند.
این سیستم نه‌تنها زمان طراحی را بسیار کاهش می‌دهد؛ بلکه طراحی‌های بهتری هم ارائه می‌دهد؛ طراحی‌هایی که مصرف انرژی را کاهش و عملکرد تراشه را افزایش می‌دهند. گوگل با مقایسه‌ی طراحی‌های آلفاچیپ با طراحی‌های مهندسان، نشان داده است که این سیستم می‌تواند طول سیم‌های داخل تراشه را کاهش چشمگیری دهد و در‌نتیجه، کارایی تراشه را بهبود ببخشد.
آلفاچیپ از روش هوشمندی به نام یادگیری تقویتی برای طراحی مدارهای مجتمع استفاده می‌کند. به‌بیان ساده، آلفاچیپ چیدمان اجزای تراشه را مانند بازی می‌بیند. به‌مرور‌زمان آلفاچیپ یاد می‌گیرد که چگونه قطعات را به بهترین شکل ممکن کنار‌هم قرار دهد تا تراشه‌ای کارآمد و بهینه تولید شود. برای این کار، آلفاچیپ از شبکه‌ی عصبی گراف استفاده می‌کند. این شبکه به آلفاچیپ کمک می‌کند تا روابط پیچیده‌ی بین اجزای مختلف تراشه را درک کند و تصمیمات بهتری بگیرد.
آلفاچیپ از سال ۲۰۲۰ به‌عنوان قلب تپنده‌ی شتاب‌دهنده‌های هوش مصنوعی TPU گوگل شناخته می‌شود. این تراشه‌های قدرتمند مدل‌های عظیم هوش مصنوعی مانند جمنای و Imagen را پشتیبانی می‌کنند که خدمات ابری گوگل را به‌حرکت در‌می‌آورند.
آلفاچیپ با طراحی‌های پیشرفته‌ی خود، هر نسل از TPU را قدرتمندتر و کارآمدتر کرده است. برای مثال، تراشه‌های Trillium نسل ششم که بر‌پایه‌ی طراحی‌های آلفاچیپ ساخته شده‌اند، عملکرد چشمگیری ارائه می‌دهند. بااینحال، با وجود تمام پیشرفت‌ها هم گوگل و هم مدیاتک هنوز به توسعه‌دهندگان انسانی برای طراحی و توسعه‌ی بخش‌های پیچیده‌تر تراشه‌ها متکی هستند.
گسترش استفاده از هوش مصنوعی برای توسعه‌ی تراشه
تاکنون از آلفاچیپ برای طراحی طیف گسترده‌ای از پردازنده‌ها، ازجمله TPUهای گوگل (مخصوص هوش مصنوعی) و چیپست‌های Dimensity 5G مدیاتک (به‌کاررفته در بسیاری از گوشی‌های هوشمند) استفاده شده است. این نشان می‌دهد که آلفاچیپ قابلیت تطبیق با انواع مختلف معماری‌های پردازنده را دارد.
گوگل بیان می‌کند که آلفاچیپ روی مجموعه‌ای وسیع از بلوک‌های ساختمانی از‌پیش‌طراحی‌شده آموزش دیده است؛ به‌همین‌دلیل، می‌تواند با تمرین بیشتر طرح‌های بهینه‌تری را تولید کند. درمقایسه‌با انسان‌ها، ماشین‌ها با سرعتی بیشتر توانایی یادگیری و بهبود عملکرد خود را دارند.
گوگل اعلام کرده است که موفقیت پروژه‌ی آلفاچیپ، تحولی عظیم در استفاده از هوش مصنوعی برای طراحی تراشه ایجاد کرده است. این شرکت معتقد است که این دستاورد موج جدیدی از تحقیقات در‌زمینه‌ی به کارگیری هوش مصنوعی در مراحل مختلف طراحی تراشه را برانگیخته است.
