صفحه اصلی

رونمایی Nvidia از ChipNeMo LLM به طراحی تراشه

۱۰ آبان ۱۴۰۲

Nvidia ChipNeMo LLM به طراحی تراشه ها کمک می کند

ChipNeMo LLM انودیا به طراحی تراشه ها کمک می کند

انویدیا از ChipNeMo، یک مدل تخصصی زبان بزرگ با 43 میلیارد پارامتر با هدف تقویت بهره‌وری طراحی تراشه رونمایی کرده است.

این ابزار وعده می‌دهد که جنبه‌های مختلف طراحی تراشه را با پاسخ دادن به سؤالات، فشرده‌سازی گزارش‌های اشکال و ایجاد اسکریپت‌هایی برای ابزارهای اتوماسیون طراحی الکترونیکی (EDA) ساده‌سازی کند.

بیل دالی، دانشمند ارشد انویدیا، در مصاحبه ای با EE Times پیش از کنفرانس بین المللی طراحی به کمک کامپیوتر، گفت: “هدف در اینجا این است که طراحان خود را سازنده تر کنیم.”

“اگر حتی چند درصد در بهره وری بهبود پیدا کنیم، ارزش آن را دارد. و اهداف ما در واقع این است که کمی بهتر از آن عمل کنیم.

«ChipNeMo انویدیا بر اساس مجموعه داده‌های خود انویدیا که از مخازن کد داخلی و متن که شامل اسناد معماری و طراحی است، جمع‌آوری شده است، آموزش دیده است.

این رویکرد پیش‌آموزشی تضمین می‌کند که ChipNeMo با درک دقیقی از طراحی و معماری تراشه‌های خاص Nvidia عمل می‌کند.

ChipNeMo می‌تواند به سؤالات کلی مربوط به طراحی تراشه پاسخ دهد، مستندات دقیق باگ را در پاراگراف‌های کوتاه خلاصه کند (برای درک آسان‌تر باگ‌ها)، و اسکریپت‌های کوتاه را برای ارتباط با ابزارهای CAD بنویسد.

این ابزار همچنین می‌تواند شبیه‌سازی‌های منطقی را اجرا کند و معیارها را در مراحل اولیه طراحی آزمایش کند تا عملکرد و قابلیت طراحی را تأیید کند.

ChipNeMo مخزن عظیمی از دانش است که می تواند به سرعت توسط دستگاهی که توسط یک واحد پردازش گرافیکی Nvidia A100 کار می کند تجزیه و تحلیل شود و به منظور سرعت بخشیدن به فرآیند طراحی تراشه استفاده بشود.

این ابزار به ویژه برای طراحان مبتدی مفید خواهد بود و آنها را قادر می سازد تا اطلاعات ضروری را به سرعت پیدا کنند و در نتیجه در زمان و تلاش طراحان ارشد صرفه جویی می شود.

یکی از مشکلات ابزارهای هوش مصنوعی تولیدی این است که اغلب پاسخ‌های آنها نادرست یا جعلی هستند.

وقتی صحبت از طراحی تراشه به میان می‌آید، این می‌تواند منجر به خطاهای بسیار گران‌قیمتی شود – بنابراین، برای جلوگیری از این امر، انویدیا از تکنیک نسل افزوده بازیابی (RAG) استفاده می‌کند.

RAG به یک پایگاه داده از اسناد منبع برای زمین‌بندی خروجی‌های مدل ارجاع می‌دهد.

این رویکرد احتمال ایجاد پاسخ‌های نادرست یا توهم‌آمیز توسط مدل را کاهش می‌دهد و اطمینان حاصل می‌کند که پاسخ‌های تولید شده بر اساس دانش واقعی و از قبل موجود است.

ChipNeMo به طور پیچیده ای برای پردازنده های گرافیکی و فرآیندهای داخلی انویدیا طراحی شده است و بنابراین برای انتشار تجاری گسترده تر برنامه ریزی نشده است.

با این وجود، این ابزار نماد یک رویکرد پیشگام در استفاده از یک LLM برای اصلاح و سرعت بخشیدن به روش‌ها و فرآیندهای طراحی تراشه است.

دسته بندی ها : اخبار

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *