Uno de los desafíos clave del diseño de computadoras es cómo empaquetar chips y cableado de la manera más ergonómica. manteniendo el poder, velocidad y eficiencia energética.

La receta incluye miles de componentes que deben comunicarse entre sí sin problemas, todo en un terreno del tamaño de una uña.

El proceso se conoce como planificación de piso de chips, similar a lo que hacen los decoradores de interiores al diseñar planes para vestir una habitación. Con circuitos digitales, sin embargo, en lugar de utilizar un plano de una sola planta, los diseñadores deben considerar diseños integrados en varios pisos. Como se refirió recientemente a una publicación tecnológica, La planificación del piso de chips es 3-D Tetris.

El proceso requiere mucho tiempo. Y con la mejora continua de los componentes del chip, los diseños finales laboriosamente calculados se vuelven obsoletos rápidamente. Los chips generalmente están diseñados para durar entre dos y cinco años, pero existe una presión constante para acortar el tiempo entre actualizaciones.

Los investigadores de Google acaban de dar un paso de gigante en el diseño de planificación de suelos. En un anuncio reciente, Las ingenieras senior de investigación de Google, Anna Goldie y Azalia Mirhoseini, dijeron que han diseñado un algoritmo que "aprende" cómo lograr la ubicación óptima de los circuitos. Puede hacerlo en una fracción del tiempo que se requiere actualmente para dicho diseño, analizar potencialmente millones de posibilidades en lugar de miles, que es actualmente la norma. Al hacerlo, puede proporcionar chips que aprovechen los últimos desarrollos más rápido, más barato y más pequeño.

Goldie y Mirhoseini aplicaron el concepto de aprendizaje por refuerzo al nuevo algoritmo. El sistema genera "recompensas" y "castigos" para cada diseño propuesto hasta que el algoritmo reconoce mejor los mejores enfoques.

La noción de tal refuerzo tiene sus raíces en la escuela de psicología conocida como conductismo. Su fundador, John Watson, sugirió todos los animales, incluidos los humanos, eran básicamente máquinas complejas que "aprendían" respondiendo a respuestas positivas y negativas. Qué sorprendido estaría Watson al saber que los principios que articuló por primera vez en 1913 se están aplicando más de un siglo después también a las máquinas "inteligentes".

Los investigadores de Google dijeron que después de pruebas exhaustivas, encontraron que su nuevo enfoque para la producción de líneas de ensamblaje de inteligencia artificial es superior a los diseños creados por ingenieros humanos.

"Creemos que es la propia IA la que proporcionará los medios para acortar el ciclo de diseño de chips, creando una relación simbiótica entre el hardware y la IA, con cada avance de combustible en el otro, ", dijeron los diseñadores en un comunicado publicado en arxiv.org, un repositorio de investigación científica administrado por la Universidad de Cornell.

Los circuitos informáticos han recorrido un largo camino desde que se presentó la primera "máquina calculadora totalmente electrónica", la ENIAC, en 1945. Atascado con 18, 000 tubos de vacío, los precursores de los circuitos integrados y los chips de computadora, y millas de cableado, la enorme máquina de $ 6 millones se extendía hasta tres autobuses de cercanías, pesaba 30 toneladas y ocupaba toda una sala del laboratorio de la Universidad de Princeton donde se creó.

Los iPhones de hoy tienen chips del tamaño de una uña meñique que son 1, 300 veces más potente 40 millones de veces más pequeño y 1/17, 000 el costo de la ENIAC.

El nuevo algoritmo de Google también puede ayudar a garantizar la continuación de la Ley de Moore, que establece que la cantidad de transistores empaquetados en microchips se duplica cada uno o dos años. En 1970, El chip 4004 de Intel contiene 2, 250 transistores. Hoy dia, el AMD Epyc Rome aloja 39.5 mil millones de transistores.

Lo que deja muchas posibilidades para el nuevo algoritmo de diseño de salas de Google.

© 2020 Science X Network