Um dos principais desafios do design de computador é como embalar chips e fiação da maneira mais ergonômica, mantendo o poder, velocidade e eficiência energética.

A receita inclui milhares de componentes que devem se comunicar uns com os outros perfeitamente, tudo em um terreno do tamanho de uma unha.

O processo é conhecido como planejamento de piso de cavacos, semelhante ao que os decoradores de interiores fazem ao traçar planos para decorar uma sala. Com circuitos digitais, Contudo, em vez de usar uma planta de um andar, os designers devem considerar layouts integrados em vários andares. Como uma publicação de tecnologia se referiu a isso recentemente, o planejamento do piso de cavacos é o Tetris 3-D.

O processo é demorado. E com a melhoria contínua nos componentes do chip, projetos finais calculados laboriosamente tornam-se desatualizados rapidamente. Os chips geralmente são projetados para durar entre dois e cinco anos, mas há uma pressão constante para encurtar o tempo entre as atualizações.

Os pesquisadores do Google acabam de dar um salto gigantesco no design de planejamento de piso. Em um anúncio recente, Anna Goldie e Azalia Mirhoseini, engenheiras de pesquisa sênior do Google, disseram que desenvolveram um algoritmo que "aprende" como obter o posicionamento ideal dos circuitos. Isso pode ser feito em uma fração do tempo atualmente necessário para tal projeto, analisando potencialmente milhões de possibilidades em vez de milhares, que atualmente é a norma. Ao fazer isso, pode fornecer chips que tiram proveito dos desenvolvimentos mais recentes com mais rapidez, mais barato e menor.

Goldie e Mirhoseini aplicaram o conceito de aprendizagem por reforço ao novo algoritmo. O sistema gera "recompensas" e "punições" para cada projeto proposto até que o algoritmo reconheça melhor as melhores abordagens.

A noção de tal reforço tem raízes na escola de psicologia conhecida como behaviorismo. Seu fundador, John Watson, sugeriu todos os animais, incluindo humanos, eram máquinas basicamente complexas que "aprendiam" respondendo a respostas positivas e negativas. Quão surpreso Watson ficaria ao saber que os princípios que ele articulou pela primeira vez em 1913 estão, mais de um século depois, sendo aplicados também a máquinas "inteligentes".

Pesquisadores do Google disseram que após testes extensivos, eles descobriram que sua nova abordagem para a produção de linha de montagem inteligente artificial era superior aos designs criados por engenheiros humanos.

"Acreditamos que é a própria IA que fornecerá os meios para encurtar o ciclo de design do chip, criando uma relação simbiótica entre hardware e IA, com cada um alimentando avanços no outro, "os designers disseram em um comunicado publicado em arxiv.org, um repositório de pesquisas científicas administrado pela Cornell University.

O circuito do computador já percorreu um longo caminho desde que a primeira "máquina de calcular totalmente eletrônica" - o ENIAC - foi lançada em 1945. Cheio de 18, 000 tubos de vácuo, os precursores de circuitos integrados e chips de computador, e milhas de fiação, a enorme máquina de US $ 6 milhões com a largura de três ônibus urbanos, pesava 30 toneladas e ocupava uma sala inteira do laboratório da Universidade de Princeton, onde foi criado.

Os iPhones atuais apresentam chips do tamanho de uma unha mindinho que têm 1, 300 vezes mais poderoso, 40 milhões de vezes menor e 1/17, 000 o custo do ENIAC.

O novo algoritmo do Google também pode ajudar a garantir a continuação da Lei de Moore, que afirma que o número de transistores embalados em microchips dobra a cada um ou dois anos. Em 1970, O chip 4004 da Intel alojado 2, 250 transistores. Hoje, o AMD Epyc Rome hospeda 39,5 bilhões de transistores.

O que deixa muitas possibilidades para o novo algoritmo de design de sala do Google.

© 2020 Science X Network