انویدیا با هوش مصنوعی، سرعت طراحی نسل بعدی تراشه‌ها را ۳۰ برابر افزایش می‌دهد
انویدیا در وبلاگ توسعه‌دهندگان خود، توضیحاتی درمورد روش قرار دادن خودکار ماکرو‌های مبتنی‌بر DREAMPlace یا AutoDMP به طراحی تراشه‌های گرافیکی با هوش مصنوعی ارائه داده است. روش کاری AutoDMP همچنین درقالب مقاله‌ای برای سمپوزیسوم بین‌المللی طراحی فیزیکی ارسال شده است. تحقیقات این شرکت نشان می‌دهد AutoDMP می‌تواند با استفاده از DGX Station A100 انویدیا، ۲٫۷ میلیون سلول و ۳۲۰ ماکرو را در سه‌ساعت، بهینه‌سازی کند.
قرار است فرآیند AutoDMP به پلتفرمی به‌نام سیستم اتوماسیون طراحی الکترونیکی (EDA) که سازندگان تراشه از آن استفاده می‌کنند، متصل شود. کارکرد این دو فناوری درکنارهم، باعث بهبود فرآیندهای قدیمی‌تر خواهد شد و مناطق خاصی را برای طراحی اولیه‌ی پردازنده‌ها تعیین می‌کنند. انویدیا در یکی از نمونه‌های نمایشی AutoDMP، از این ابزار برای طراحی پردازنده‌ی ۲۵۶ هسته‌ای مبتنی‌بر معماری RISC-V استفاده کرد که ۳۲۰ ماکرو حافظه و ۲٫۷ میلیون سلول عادی را درخود جای داده بود. تکمیل این فرآیند با حل چالش‌ها، تقریباً حدود سه ساعت طول کشید.
نکته‌ی جالب اینکه فرآیند استفاده از AutoDMP برای بهینه‌سازی و افزایش سرعت روند طراحی تراشه، ابتدا به‌صورت دستی طراحی شده بود و ماکروها براساس طرح‌های قبلی کار می‌کردند. مهم‌ترین مانع استفاده از این روش، پیدا کردن بهترین مکان ماکرو بود.
سیستم جدید انویدیا از موتور DEAMPlace برای کمک به قراردادن صحیح ماکرو و سلول و فرمول‌بندی موضوع به‌عنوان یک مسئله‌ی بهینه‌سازی، محدودیت‌های موجود را رفع می‌کند. در مرحله‌ی بعد، نیز به‌منظور ایجاد راهکار بهینه‌ی حل مسئله، محدودیت‌ها را محاسبه می‌کند که به شکل بلوک‌های قرمز به‌نمایش در می‌آیند.
انویدیا همچنین تمایل دارد میزان تأثیر روش جدید را در شناسایی تکنیک‌های نوین در حوزه‌ی طراحی تراشه‌ها ارزیابی کند.
انویدیا فناوری AutoDMP را به‌عنوان پروژه‌ی منبع‌باز در گیت‌هاب آپلود کرده است تا افراد دیگر نیز بتوانند آن را بررسی و درصورت تمایل نسبت به استفاده از آن اقدام کنند.
به گزارش WccfTech، انویدیا هفته‌ی گذشته با همکاری ASML، TSMC و Synopsys، دانش و منابع اشتراکی خود را برای سرعت‌بخشیدن به روند تولید نسل بعدی تراشه‌ها با اسفتاده از cuLitho یا لیتوگرافی محاسباتی، تا چهل برابر بهینه‌سازی کرد.