Los microchips actuales suelen contener miles de millones de transistores, decenas de millones de puertas lógicas y varios miles de bloques de memoria en la superficie de una uña. Las conexiones de línea a las distancias más pequeñas entre componentes suman decenas de kilómetros. Hasta ahora, no es posible automatizar el proceso de planificación del piso, es decir, la colocación de bloques de núcleo durante el diseño del chip. Ahora, un equipo del Proyecto de aprendizaje profundo de Google Brain, dirigido por Azalia Mirhoseini, ha presentado una solución de inteligencia artificial que lleva esto un paso más allá.

Aprendí 10,000 ejemplos

Los investigadores entrenaron una red neuronal convolucional que contenía 10,000 diseños de chips y evaluaron su desempeño. Como entrada, su IA solicita que se coloque una lista de bloques de funciones, como un subsistema de almacenamiento, una unidad de procesamiento o una lógica de control. Cada uno de estos bloques, a su vez, consta de una gran cantidad de componentes individuales y requiere que los cables estén conectados a otros bloques.

Una distribución de 1000 bloques da como resultado más de 10 aritméticos²⁵⁰⁰ constelaciones. Los diferentes diseños de chips difieren en términos de consumo de energía y longitudes de cable. Esto da como resultado diferencias en la potencia de cálculo y, por último, pero no menos importante, en el área del chip utilizado. Esto explica por qué los diseñadores de diapositivas con frecuencia buscan mejoras basadas en una estructura central elegida inicialmente, ya que el proceso de planificación del piso generalmente toma algunas semanas. En las pruebas, Google Brain AI generalmente pudo encontrar una solución en menos de seis horas que era al menos equivalente, pero en su mayoría funcionó mejor que el resultado del trabajo de expertos humanos.

En última instancia, la nueva IA ya se está utilizando para mejorar la IA en el futuro. Google ya ha utilizado la tecnología internamente para mejorar los diseños de chips de las unidades de procesamiento tensorial para acelerar las aplicaciones de inteligencia artificial.

En la compilación 15/2021 probamos Chromebooks y comprobamos Chrome OS, que durante mucho tiempo fue más que un simple navegador. También le mostraremos cómo puede actualizar de manera rentable su oficina en casa, desde su computadora a los periféricos a su red. El editor de C’t Urs Mansmann probó controladores móviles adecuados para la oficina en casa, que ahorran 15 GB o más. También explicamos la herramienta de aprendizaje de codificación CrypTool 2, probé computadoras portátiles premium y miré ESPHome, una solución de codificación baja para proyectos domésticos inteligentes. Encontrará el número 15/2021 a partir del 2 de julio de Tienda Hess Y en un quiosco bien surtido.

(agr)