Una delle sfide chiave della progettazione di computer è come imballare chip e cablaggi nel modo più ergonomico, mantenimento del potere, velocità ed efficienza energetica.

La ricetta comprende migliaia di componenti che devono comunicare tra loro in modo impeccabile, il tutto su un immobile grande quanto un'unghia.

Il processo è noto come pianificazione del pavimento del chip, simile a quello che fanno i decoratori d'interni quando preparano i piani per vestire una stanza. Con circuiti digitali, però, invece di utilizzare una pianta a un piano, i progettisti devono considerare layout integrati all'interno di più piani. Come ha fatto recentemente riferimento a una pubblicazione tecnologica, la pianificazione del pavimento in trucioli è in 3-D Tetris.

Il processo richiede tempo. E con il miglioramento continuo dei componenti del chip, i progetti finali calcolati faticosamente diventano rapidamente obsoleti. I chip sono generalmente progettati per durare tra i due e i cinque anni, ma c'è una pressione costante per ridurre il tempo tra gli aggiornamenti.

I ricercatori di Google hanno appena compiuto un passo da gigante nella progettazione della planimetria. In un recente annuncio, Gli ingegneri di ricerca senior di Google Anna Goldie e Azalia Mirhoseini hanno affermato di aver progettato un algoritmo che "impara" come ottenere un posizionamento ottimale dei circuiti. Può farlo in una frazione del tempo attualmente richiesto per tale progettazione, analizzando potenzialmente milioni di possibilità invece di migliaia, che attualmente è la norma. Così facendo, può fornire chip che sfruttano più velocemente gli ultimi sviluppi, più economico e più piccolo.

Goldie e Mirhoseini hanno applicato il concetto di apprendimento per rinforzo al nuovo algoritmo. Il sistema genera "ricompense" e "punizioni" per ogni progetto proposto fino a quando l'algoritmo non riconosce meglio gli approcci migliori.

La nozione di tale rinforzo ha radici nella scuola di psicologia nota come comportamentismo. Il suo fondatore, John Watson, notoriamente suggeriva tutti gli animali, compresi gli umani, erano fondamentalmente macchine complesse che "imparavano" rispondendo a risposte positive e negative. Quanto sarebbe sorpreso Watson nell'apprendere che i principi da lui articolati per la prima volta nel 1913 vengono applicati più di un secolo dopo anche alle macchine "intelligenti".

I ricercatori di Google hanno affermato che dopo numerosi test, hanno scoperto che il loro nuovo approccio alla produzione della catena di montaggio intelligente artificiale è superiore ai progetti creati da ingegneri umani.

"Crediamo che sia l'IA stessa a fornire i mezzi per abbreviare il ciclo di progettazione dei chip, creare una relazione simbiotica tra hardware e intelligenza artificiale, con ciascuno che alimenta progressi nell'altro, " hanno affermato i designer in un comunicato pubblicato su arxiv.org, un archivio di ricerca scientifica gestito dalla Cornell University.

I circuiti dei computer hanno fatto molta strada da quando la prima "macchina calcolatrice completamente elettronica"—ENIAC—è stata presentata nel 1945. Piena di 18, 000 tubi a vuoto, i precursori dei circuiti integrati e dei chip per computer, e miglia di cavi, l'enorme macchina da 6 milioni di dollari si estendeva fino a tre autobus per pendolari, pesava 30 tonnellate e occupava un'intera stanza del laboratorio dell'Università di Princeton dove è stato creato.

Gli iPhone di oggi sono dotati di chip delle dimensioni di un'unghia mignolo che sono 1, 300 volte più potente, 40 milioni di volte più piccolo e 1/17, 000 il costo dell'ENIAC.

Il nuovo algoritmo di Google può anche aiutare a garantire la continuazione della Legge di Moore, che afferma che il numero di transistor impacchettati nei microchip raddoppia ogni uno o due anni. Nel 1970, Il chip Intel 4004 ne ospitava 2, 250 transistor. Oggi, l'AMD Epyc Rome ospita 39,5 miliardi di transistor.

Il che lascia molte possibilità per il nuovo algoritmo di progettazione delle stanze di Google.

© 2020 Scienza X Rete