I googler affermano che l'intelligenza artificiale può aiutare a portare i chipset al livello successivo mantenendo viva la legge di Moore
Abbiamo visto molte strette di mano sull’imminente fine della Legge di Moore. Questa è l’osservazione fatta dal co-fondatore ed ex-CEO di Intel Gordon Moore che nella sua attuale iterazione prevede che il numero di transistor su un chip raddoppi ogni due anni. Utilizzando come esempio i chipset della serie A di Apple, l’A13 Bionic è stato lanciato nel 2019 con serie iPhone 11.

L’intelligenza artificiale (AI) sarà in grado di mantenere in vita la legge di Moore dopo il nodo a 2 miglia nautiche?

Costruito utilizzando il nodo di processo a 7 nm con poco meno di 90 milioni di transistor per mm quadrato, l’A13 Bionic contiene 8,5 miliardi di transistor. Il chipset A14 Bionic si trova in iPhone 12 e nell’iPad Air (2020) e trasporta 134 milioni di transistor per mm quadrato. Il numero di transistor del chip è di 11,8 miliardi; più transistori all’interno di un chip, più potente ed efficiente dal punto di vista energetico è.

Il prossimo trimestre la migliore fonderia del mondo, TSMC, dovrebbe testare chip a 4 nm con la produzione di massa del nodo di processo a 3 nm a partire dalla seconda metà del prossimo anno. Sia TSMC che Samsung stanno lavorando al nodo di processo a 2 nm che potrebbe essere prodotto in serie già nel 2024. Ci sono preoccupazioni per il futuro della Legge di Moore, specialmente dopo il nodo di processo a 2 nm.

Ma potrebbe esserci un aiuto provenienti dall’Intelligenza Artificiale (AI). Un articolo che discute l’uso dell’intelligenza artificiale nel processo di creazione di una”planimetria”per un chip, rileva che con l’intelligenza artificiale, il tempo per costruire una planimetria, che può richiedere fino a diversi mesi per essere completato, sarà completato in meno di 6 ore utilizzando l’intelligenza artificiale.

Google ha già utilizzato l’intelligenza artificiale per aiutare a progettare unità di elaborazione del tensore

Il Googler che hanno scritto sulla tecnica per Natura sono Azalia Mirhoseini e Anna Goldie. Google ha utilizzato questo sistema nella vita reale per aiutare a creare la planimetria per la sua Tensor Processing Unit (TPU) che viene utilizzata per”accelerare le reti neurali nel suo motore di ricerca, cloud pubblico, AlphaGo e AlphaZero e altri progetti e prodotti”.
Mirhoseini e Goldie hanno scritto nel loro articolo che”Il nostro metodo è stato utilizzato per progettare la prossima generazione di acceleratori di intelligenza artificiale di Google e ha il potenziale per risparmiare migliaia di ore di lavoro umano per ogni nuova generazione. Infine, crediamo che un hardware progettato con intelligenza artificiale più potente alimenterà i progressi nell’intelligenza artificiale, creando una relazione simbiotica tra i due campi.”

La rete neurale migliora nel progettare i chip nel tempo e”è”in grado di generalizzare tra i chip, il che significa che può imparare dall’esperienza per diventare migliore e più veloce nel piazzare nuovi chip, consentendo ai progettisti di chip di essere assistiti da agenti artificiali con più esperienza di quanta un essere umano possa mai acquisire”. per conclude che”Mostriamo che il nostro metodo può generare planimetrie di chip paragonabili o superiori agli esperti umani in meno di sei ore, mentre gli esseri umani impiegano mesi per produrre planimetrie accettabili per i moderni acceleratori. Il nostro metodo è stato utilizzato in produzione per progettare la prossima generazione di Google TPU.”

La speranza è che l’utilizzo dell’intelligenza artificiale per progettare i prossimi chip porterà a soluzioni che porteranno i nodi di processo a meno di 1 nm.

Categories: IT Info