Американские ученые смогли значительно ускорить разработку компьютерных микросхем, используя методы машинного обучения. Новый подход позволяет создать микросхемы, работающие не хуже, чем те, которые разрабатывали инженеры. При этом проектирование занимает часы, а не месяцы. Метод уже используется при создании компьютерных систем искусственного интеллекта Google. Статья опубликована в журнале Nature.
Размещение различных компонентов на компьютерной микросхеме — важнейший этап ее создания, определяющий общую производительность устройства. Разработка физического макета микросхемы — сложная и трудоемкая задача, которую трудно автоматизировать. Инженеры Google и исследователи из Стэндфордского университета использовали для ускорения этого процесса методы машинного обучения.
Авторы применили метод обучения с подкреплением. Перед нейросетью стояла задача расположить компоненты микросхемы, получив наиболее оптимальную производительность. Алгоритм смог генерировать жизнеспособные планы микросхем, которые были сопоставимы или превосходили по производительности планы, разработанные специалистами-людьми. При этом время, потраченное на одну микросхему, составляло менее шести часов, тогда как раньше этот процесс занимал месяцы.
Разработка методов автоматизированного проектирования микросхем, которые лучше, быстрее и дешевле, чем нынешние подходы, поможет сохранить траекторию развития микросхем в соответствии с законом Мура, согласно которому количество компонентов на микросхему удваивается каждые два года. Новый метод уже используется в конструкции процессоров искусственного интеллекта Google, таким образом, полученные микросхемы достаточно хороши для крупномасштабного производства.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
