ما در دوران حال حاضر، شاهد عوامل زیادی هستیم که باعث نابودی قریب الوقوع قانون مور می شوند. این قانون که اولین بار توسط گوردون مور، بنیانگذار و مدیر عامل سابق اینتل مطرح شد، بیان می کند که تعداد ترانزیستورهای موجود در هر تراشه، هر دو سال یکبار دو برابر می شود. یکی از نمونه های موفق این مورد، تراشه های سری A اپل می باشد که تا به امروز، تاحد زیادی به این قانون وفادار مانده اند. با این حال، با پیشرفت روزافزون طراحی تراشه ها و پیچیده شدن این صنعت، آینده آنها ابهامات زیادی را ایجاد می کند. نمونه بارز آن نیز، توسعه تراشه هایی با سایز کوچک تر از ۲ نانومتر می باشد که امکان تولید آن در هاله ای از ابهام قرار دارد. به تازگی اما، گوگل ادعا کرده است که طراحی تراشه های آینده با بهره گیری از هوش مصنوعی امکان پذیر می باشد که این مورد، باعث تداوم در قانون مور خواهد شد.
تراشه A13 Bionic اپل با استفاده از فرایند تولید 7 نانومتری با کمتر از 90 میلیون ترانزیستور در هر میلی متر مربع ساخته شده است و حاوی 8.5 میلیارد ترانزیستور می باشد. چیپست A14 Bionic در سری آیفون ۱۲ و آیپد ایر ۲۰۲۰ نیز، 134 میلیون ترانزیستور در هر میلی متر مربع را در خود جای داده است. تعداد ترانزیستور این تراشه 11.8 میلیارد است. هرچه تعداد ترانزیستورهای داخل تراشه بیشتر باشد، قدرت آن افزایش یافته و از میزان صرفه جویی در مصرف انرژی بیشتری برخوردار است.
انتظار می رود در طول سه ماه آینده، TSMC به عنوان برترین تولیدکننده تراشه در جهان، چیپست های 4 نانومتری خود را به تولید انبوه رسانده و فرایند توسعه چیپست های 3 نانومتری را نیز، از نیمه دوم سال آینده آزمایش کند. هر دو شرکت TSMC و سامسونگ در حال کار بر روی توسعه فرایند 2 نانومتری می باشند که می توان شاهد تولید انبوه آنها از سال 2024 باشیم. نگرانی اصلی در مورد آینده قانون مور اما، پس از دستیابی به فرایند 2 نانومتری بوجود می آید.
به لطف فناوری هوش مصنوعی (AI)، امکان مساعدت در روند توسعه این دسته از تراشه ها نیز، وجود دارد. مقاله ای که در مورد استفاده از هوش مصنوعی در روند ایجاد “نقشه ای(پلان)” برای یک تراشه بحث می کند، خاطرنشان می سازد که بوسیله هوش مصنوعی، زمان ساخت یک پلان، که ممکن است چندین ماه طول بکشد تا به اتمام برسد، در کمتر از 6 ساعت امکان پذیر است. برنامه ریزی پلانی تراشه، عملیاتی است که برای طراحی یک تراشه محاسباتی صورت می گیرد.
تداوم قانون مور
پژوهشگرانی که درباره این تکنیک با وب سایت Nature مصاحبه کرده اند، Azalia Mirhoseini و Anna Goldie می باشند. گوگل از این سیستم در زندگی واقعی برای کمک به ایجاد پلان واحد پردازش تنش (TPU) خود بهره گرفته است که در “تسریع شبکه های عصبی در موتور جستجوی خود، پردازش ابری، AlphaGo و AlphaZero و سایر پروژه ها و محصولات” استفاده می شود.
این مقاله بیان می کند که “در مدت زمانی کمتر از شش ساعت، روش ما به طور خودکار پلان های تراشه را ایجاد می کند که در تمام معیارهای اصلی، از جمله مصرف برق، عملکرد و مساحت تراشه، از نمونه هایی که ساخته دست بشر می باشند، برتر بوده و یا قابل مقایسه است.”
میرحسینی و گلدی در مقاله خود اذعان می کنند:
“روش ما برای طراحی نسل بعدی شتاب دهنده های هوش مصنوعی گوگل، مورد استفاده قرار گرفته و این امکان را فراهم می کند که هزاران ساعت تلاش انسانی را به ازای هر نسل جدید صرفه جویی کند. سرانجام، ما معتقدیم که سخت افزاری که توسط هوش مصنوعی توسعه یافته، باعث پیشرفت در این زمینه می شود و یک رابطه همزیستی بین سخت افزار و نرم افزار ایجاد می کند.”
شبکه عصبی در طول مدت طراحی تراشه ها، بهتر عمل می کند و “قادر به تعمیم در میان تراشه ها است، به این معنی که می تواند از طریق کسب تجربه، یاد بگیرد که در طراحی چیپست های جدید بهتر و سریعتر عمل کند و به طراحان تراشه این اجازه را می دهد که توسط هوش مصنوعی، بیش از هر انسان دیگری، مورد مساعدت قرار گیرند.”
در نتیجه گیری این مقاله آمده است که: “ما نشان می دهیم که روش ما می تواند در کمتر از شش ساعت پلان های تراشه ای قابل مقایسه یا برتر از متخصصان انسانی تولید کند، در حالی که برای انسان ها، چندین ماه طول می کشد تا پلان های قابل قبولی را برای چیپ های مدرن ایجاد کنند. از روش ما برای طراحی نسل بعدی گوگل TPU نیز، استفاده شده است.”
امید می رود که استفاده از هوش مصنوعی برای طراحی تراشه های آینده، منجر به ایجاد راه حل هایی شود که تولید چیپست هایی با فرایند کمتر از 1 نانومتر را ممکن سازد. در حال حاضر، همانطور که میرحسینی و گلدی اشاره کردند، “روش ما با استفاده از تجربیات گذشته، بهتر و سریعتر در حل موارد جدیدی از مشکلات بکار می آید و اجازه می دهد طراحی تراشه توسط عوامل مصنوعی، با تجربه بیشتر از هر انسانی انجام پذیرد. برای طراحی نسل بعدی چیپ ها نیز، هوش مصنوعی (AI) گوگل مورد استفاده قرار خواهد گرفت و این امکان وجود دارد که هزاران ساعت تلاش انسانی را برای توسعه هر نسل جدید از تراشه ها، صرفه جویی کنیم.”
تولید تراشه ۱ نانومتری توسط TSMC تایوانی در آینده نه چندان دور
نظر شما راجع به بهره گیری گوگل از هوش مصنوعی در روند توسعه نسل های بعدی تراشه ها که تدوام در قانون مور می انجامد، چیست؟
ما هم همچنان دور از دنیای پیشرو در تکنولوژی و درگیر فرار از محدودیت ها