Разворачивающаяся автоматизация всего коснется не только низкоквалифицированных рабочих мест, но и инженеров, разрабатывающих полупроводниковые чипы. Быстрое развитие технологий в этой области будет все меньше зависеть от людей. В интервью VentureBeat основатель и гендиректор Synopsys Аарт де Геус заявил, что алгоритмы для проектирования микросхем уже показывают выдающиеся результаты, а к 2030 году ИИ позволит увеличить производительность процессоров в 1000 раз.
Согласно закону Гордона Мура, количество транзисторов, размещаемых на кристалле интегральной схемы, должно удваиваться каждые два года. Таким образом производительность передовых микросхем также должна увеличиваться в два раза. Технологический прогресс примерно соответствовал этому закону с 1968 года, но разработчики из Synopsys считают, что в скором времени теория американского инженера будет разрушена. И вовсе не потому, что технологии миниатюризации чипов приблизились к своему физическому пределу, напротив — алгоритмы машинного обучения позволят добиться гораздо большей производительности за меньшие сроки.
«Мы собираемся увеличить производительность наших решений в 1000 раз к концу десятилетия. Я абсолютно в этом уверен. Я думаю, что мы закончили с классическим законом Мура. И эта новая эра переходит от масштабной сложности к системной. Я думаю, что наши амбиции действительно очень высоки», — объяснил глава Synopsys.
Инженеры Synopsys разработали алгоритм DSO.ai — продвинутое решение, предназначенное для виртуального сбора и тестирования процессоров. Компания использует обучение с подкреплением для одновременной оптимизации мощности, производительности и площади чипа. Алгоритм автоматически составляет основы, размещая компоненты и способы их соединения, путем тестирования различных конструкций.
В Synopsys считают, что DSO.ai ускоряет процесс разработки микросхем и позволяет инженерам экспериментировать с новыми конструкциями. Более того, платформа подстраивается под задачи конкретных пользователей. Например, алгоритм может спроектировать прототип энергоэффективного процессора, который будет учитывать ограничения элементов питания и других комплектующих.
Но более перспективная задача Synopsys заключается в том, чтобы натренировать DSO.ai до момента, когда ИИ сможет создавать микросхемы без недостатков.
«Машинное обучение теперь используется во всех наших инструментах. Отличие этого нового инструмента, который мы называем оптимизацией пространства дизайна (DSO), заключается в том, что он применяется не к отдельным этапам, а ко всему процессу проектирования», — объяснил Де Геус.
Де Геус также отметил, что ведущим инженерам не стоит бояться за свои рабочие места — по крайней мере, прямо сейчас. Глава Synopsys считает, что люди будут постепенно продвигаться «вверх по цепочке», пока ИИ берет на себя более приземленные задачи.
Первые клиенты Synopsys, подключенные к DSO.ai, уже научились снижать энергопотребление микросхем на 25% без потерь в производительности. А компания Samsung заключила с Synopsys долгосрочное соглашение, в рамках которого корейские инженеры готовятся интегрировать DSO.ai в разработку мобильных процессоров Exynos.
