هوش مصنوعی تاکنون بیشتر به‌عنوان محصول نهایی صنعت تراشه و فناوری پیشرفته شناخته می‌شد؛ مدلی نرم‌افزاری که روی GPU و شتاب‌دهنده‌های هوش مصنوعی اجرا می‌شود و به توان پردازشی بیشتری نیاز دارد. حالا OpenAI می‌خواهد یک قدم عقب‌تر برود و خود فرآیند طراحی تراشه را با هوش مصنوعی تغییر دهد.
ساخت یک تراشه مدرن فقط نوشتن کد سخت‌افزار و تبدیل آن به یک قطعه سیلیکونی نیست. یک طراحی باید بارها از مراحل مختلف شبیه‌سازی (آزمایش عملکرد پیش از ساخت)، سنتز (تبدیل طراحی منطقی به مدارهای قابل پیاده‌سازی)، تحلیل زمان‌بندی (بررسی رسیدن سیگنال‌ها در زمان درست)، طراحی فیزیکی و بررسی‌های نهایی عبور کند و هر تغییر کوچک می‌تواند نتیجه مرحله بعد را تغییر دهد.
هرچه تراشه‌ها پیچیده‌تر می‌شوند، تعداد انتخاب‌هایی که مهندسان برای رسیدن به یک طراحی بهینه در اختیار دارند نیز بیشتر می‌شود. پیدا کردن بهترین نقطه میان سرعت، مصرف انرژی و مساحت تراشه یا همان PPA (عملکرد، توان مصرفی و مساحت) می‌تواند به چرخه‌ای بسیار طولانی از آزمون، اندازه‌گیری و اصلاح تبدیل شود.
تا امروز بخش عمده این چرخه با ترکیبی از تجربه مهندس و ابزارهای EDA (نرم‌افزارهای تخصصی طراحی تراشه) انجام می‌شد. ایده OpenAI و Synopsys این است که یک عامل هوش مصنوعی (AI Agent) یا سیستم قادر به اجرای چندمرحله‌ای وظایف بتواند بخش بیشتری از این جست‌وجوی عظیم را خودش انجام دهد؛ نه اینکه صرفاً کنار دست مهندس بنشیند و پیشنهاد کدنویسی بدهد.
برای کاربرانی که با این شرکت آشنایی کمتری دارند باید بگوییم که Synopsys یکی از مهم‌ترین شرکت‌های جهان در حوزه EDA است و ابزارهای آن در بخش‌های مختلف طراحی، شبیه‌سازی، تأیید و آماده‌سازی چیپ برای تولید به کار می‌روند. به همین دلیل، همکاری با Synopsys برای OpenAI اهمیت ویژه‌ای دارد؛ چراکه GPT-Synopsys قرار است مستقیماً در همان محیط‌های حرفه‌ای کار کند که مهندسان واقعی برای طراحی تراشه‌های پیشرفته از آنها استفاده می‌کنند.
این بار AI قرار نیست فقط کد تراشه بنویسد
تولید کد Verilog (زبان توصیف سخت‌افزار) با کمک هوش مصنوعی موضوع تازه‌ای نیست. اتفاق مهم‌تر در پروژه جدید این است که GPT-Synopsys قرار است نتیجه واقعی طراحی را از ابزارهای EDA دریافت کند و بر اساس آن تصمیم بگیرد.
در یک جریان معمول طراحی تراشه، مهندس تغییراتی در RTL (توصیف سطح بالای مدار دیجیتال) ایجاد می‌کند، آن را وارد ابزارهای EDA می‌کند و بعد نتایجی مانند زمان‌بندی، توان مصرفی و مساحت را بررسی می‌کند. اگر نتیجه مطلوب نباشد، طراحی دوباره تغییر می‌کند و این چرخه بارها تکرار می‌شود.
بنابر گزارش رسمی Synopsis، این شرکت با کمک OpenAI قصد دارد بخشی از همین چرخه را به یک عامل هوش مصنوعی بسپارند. AI می‌تواند یک تغییر را امتحان کند، نتیجه را از ابزارهای طراحی بگیرد، نقاط ضعف آن را پیدا کند و سراغ تغییر بعدی برود.
یعنی مدل دیگر صرفاً نمی‌گوید «این کد بهتر به نظر می‌رسد»؛ باید بتواند در دنیای واقعی EDA نشان دهد که طراحی پیشنهادی واقعاً بهتر عمل می‌کند.
هدف نهایی، شکستن قفل PPA
همانطور که عنوان در طراحی تراشه، سه معیار دائماً مهندسان را درگیر می‌کنند: Performance، Power و Area یا همان PPA؛ یعنی عملکرد، مصرف انرژی و مساحت تراشه.
افزایش سرعت ممکن است مصرف انرژی را بالا ببرد. کاهش مساحت می‌تواند عملکرد را محدود کند و بهینه‌سازی مصرف انرژی ممکن است زمان‌بندی را خراب کند. با پیچیده‌تر شدن تراشه‌های امروزی، تعداد ترکیب‌های ممکن برای رسیدن به نقطه مطلوب آن‌قدر زیاد شده که بررسی همه آنها توسط انسان عملاً امکان‌پذیر نیست.
اینجاست که OpenAI و Synopsys روی قابلیت‌های AI حساب باز کرده‌اند: جست‌وجوی فضای عظیم طراحی و امتحان کردن گزینه‌هایی که یک مهندس به‌تنهایی فرصت بررسی همه آنها را ندارد.
طبق اعلام Synopsys، GPT-Synopsys با پلتفرم Synopsys.ai و Synopsys Autopilot (سیستم عامل‌محور برای اجرای عامل‌های هوش مصنوعی در طراحی تراشه) نیز یکپارچه خواهد شد.
AI هنوز قرار نیست جای مهندس طراح تراشه را بگیرد
جایگزینی مهندسان با هوش مصنوعی یکی از چالش‌هایی است که همیشه به آن پرداخته می‌شود ولی سیناپسیس در توضیح مدل خود می‌گوید که GPT-Synopsys قرار نیست یک طراحی را تولید کند و شرکت‌ها آن را بدون بررسی راهی کارخانه کنند.
نتایج تولیدشده توسط AI همچنان باید از مسیر ابزارهای تخصصی EDA و مراحل sign-off (تأیید نهایی طراحی برای ساخت) عبور کنند. در واقع، هوش مصنوعی می‌تواند تعداد زیادی گزینه را جست‌وجو و بهینه کند، اما اعتبارسنجی نهایی طراحی همچنان به ابزارهای مهندسی و فرآیندهای استاندارد صنعت وابسته است.
به بیان ساده، AI قرار نیست جای ابزار EDA را بگیرد؛ قرار است از خود ابزارهای EDA به شکل هوشمندانه‌تری استفاده کند.
OpenAI خودش هم به این فناوری نیاز دارد
نکته بسیار مهم دیگر در این خصوص آن است که برای OpenAI، این همکاری صرفاً یک پروژه جانبی نیست. این شرکت به‌طور فزاینده‌ای به سخت‌افزارهای اختصاصی و شتاب‌دهنده‌های AI وابسته است و پیش‌تر نیز استفاده از هوش مصنوعی در طراحی تراشه‌های اختصاصی خود را تجربه کرده است.
در همین رابطه بخوانید:
- پردازنده Jalapeno شرکت OpenAI با ادعای شکست پرچم‌دار انویدیا معرفی شد
البته اگر از دنبال‌کنندگان اخبار ویژه این حوزه باشید حتماً می‌دانید که خود اوپن ای آی نیز در زمینه طراحی تراشه وارد شده است. گزارش‌هایی درباره ASIC (تراشه اختصاصی برای یک کاربرد مشخص) این شرکت موسوم به Jalapeño نشان می‌دهند OpenAI در فرآیند طراحی سخت‌افزار خود از AI کمک گرفته است. بنابراین GPT-Synopsys را می‌توان ادامه همین مسیر دانست که این بار در همکاری مستقیم با یکی از بزرگ‌ترین شرکت‌های EDA جهان صورت گرفته است.
اگر این پروژه در مقیاس صنعتی جواب بدهد، تأثیر اصلی آن احتمالاً این نیست که AI جای مهندسان طراحی تراشه را بگیرد. تغییر بزرگ‌تر می‌تواند این باشد که یک مهندس بتواند با کمک عامل‌های هوشمند، تعداد بسیار بیشتری از گزینه‌های طراحی را در همان مدت زمانی بررسی کند که امروز برای تعداد محدودی از آنها فرصت دارد.
این موضوع در شرایطی اهمیت بیشتری پیدا می‌کند که هزینه و پیچیدگی طراحی تراشه‌های پیشرفته هر نسل بالاتر می‌رود.
در واقع، OpenAI و Synopsys در حال آزمایش مرحله‌ای تازه از صنعت نیمه‌هادی هستند: اگر AI برای ساخت تراشه‌های هوش مصنوعی ضروری شده، چرا نباید از خود AI برای طراحی همان تراشه‌ها استفاده کرد؟
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت