Já vimos muita gente torcer as mãos sobre o fim iminente da Lei de Moore. Esta é a observação feita pelo cofundador e ex-CEO da Intel, Gordon Moore, que em sua iteração atual exige que o número de transistores em um chip dobre a cada dois anos. Usando os chipsets da série A da Apple como exemplo, o A13 Bionic foi lançado em 2019 alimentando o
iPhone 11 .
A Inteligência Artificial (IA) será capaz de manter a Lei de Moore viva após o nó de 2 nm?
Construído usando o nó de processo de 7 nm com pouco menos de 90 milhões de transistores por mm quadrado, o A13 Bionic contém 8,5 bilhões de transistores. O chipset A14 Bionic é encontrado em
iPhone 12 série e no iPad Air (2020) e carrega 134 milhões de transistores por mm quadrado. A contagem de transistores do chip é de 11,8 bilhões; quanto mais transistores dentro de um chip, mais poderoso e eficiente em termos de energia ele é.
No próximo trimestre, a maior fundição do mundo, a TSMC, deverá testar chips de 4 nm com produção em massa do nó de processo de 3 nm a partir do segundo semestre do próximo ano. Tanto a TSMC quanto a Samsung estão trabalhando no nó de processo de 2 nm, que pode ser produzido em massa logo em 2024. Existem preocupações sobre o futuro da Lei de Moore, especialmente após o nó de processo de 2 nm.
Mas pode haver alguma ajuda vinda da Inteligência Artificial (IA). Um artigo que discute o uso de IA no processo de criação de uma”planta baixa”para um chip, observa que, com a IA, o tempo para construir uma planta baixa, que pode levar vários meses para terminar, será concluído em menos de 6 horas.
O Google já usou IA para ajudar a projetar unidades de processamento de tensor
Os Googlers que estão escrevendo sobre a técnica para Nature são Azalia Mirhoseini e Anna Goldie. O Google usou esse sistema na vida real para ajudar a criar a planta baixa para sua Unidade de Processamento de Tensor (TPU), que é usada para”acelerar as redes neurais em seu mecanismo de pesquisa, nuvem pública, AlphaGo e AlphaZero e outros projetos e produtos.”
Mirhoseini e Goldie escreveram em seu artigo que”Nosso método foi usado para projetar a próxima geração de aceleradores de inteligência artificial do Google e tem o potencial de economizar milhares de horas de esforço humano para cada nova geração. Finalmente, acreditamos que um hardware projetado de IA mais poderoso irá alimentar avanços na IA, criando uma relação simbiótica entre os dois campos.”
A rede neural fica melhor no design de chips com o tempo e”é”capaz de generalizar entre chips-o que significa que pode aprender com a experiência para se tornar melhor e mais rápido na colocação de novos chips-permitindo que os designers de chips sejam auxiliados por agentes artificiais com mais experiência do que qualquer ser humano jamais poderia ganhar.”conclui que”Mostramos que nosso método pode gerar plantas baixas de chips comparáveis ou superiores aos especialistas humanos em menos de seis horas, enquanto os humanos levam meses para produzir plantas baixas aceitáveis para aceleradores modernos. Nosso método foi usado na produção para projetar a próxima geração do TPU do Google.”
A esperança é que o uso de IA para projetar os próximos chips levará a soluções que reduzirão os nós de processo para menos de 1 nm.
