[نئی حکمت کا تعارف]روایتی مربوط سرکٹ ڈیزائن وقت طلب اور محنت طلب ہے۔ کیا کام کی کارکردگی کو بہتر بنانے کے لیے مصنوعی ذہانت کا استعمال کیا جا سکتا ہے؟ اس سال کی انٹیگریٹڈ سالڈ اسٹیٹ سرکٹ کانفرنس میں، گوگل اے آئی کے سربراہ جیف ڈین سمیت چار رہنماؤں نے پروسیسرز، کوانٹم کمپیوٹنگ، ساختی جدت وغیرہ پر AI ایپلی کیشنز کے اہم اثرات کی وضاحت کی۔ "زنزیوان فوری طور پر چیف رائٹرز، ایڈیٹرز، آپریشنز مینیجرز، اور اکاؤنٹ مینیجرز کی تلاش کر رہا ہے۔ مزید جاننے کے لیے مضمون کا اختتام۔"

اس سال کی انٹیگریٹڈ سالڈ اسٹیٹ سرکٹس کانفرنس (ISSCC) کا تھیم ہے "انٹیگریٹڈ سرکٹس AI دور کو طاقت دیتے ہیں۔اور افتتاحی مکمل سیشن کا مقصد اس حد تک چارٹ کرنا تھا کہ AI سیمی کنڈکٹر کی جگہ کو کس حد تک فولڈنگ کر رہا ہے۔
 

جیف ڈین، گوگل AI کے سربراہ، Kou-Hung Loh، MediaTek کے سینئر نائب صدر، Imec کے پروجیکٹ ڈائریکٹر Nadine Collaert، اور IBM ریسرچ کے ڈائریکٹر Dario Gil نے بالترتیب الیکٹرانک فیلڈ میں AI کے لیے توقعات اور ضروریات کی وضاحت کی، جیسے کہ نئے پروسیسر کیسے چلائے جائیں (نیز CPUs اور GPUs کے لیے خصوصی طور پر ڈیزائن کردہ ایپلیکیشنز؛ ساختی جدت کو فروغ دینا (جیسے چھوٹے چپس، ملٹی چپ پیکجز، انٹرپوزر)؛ اور کوانٹم کمپیوٹنگ کی ترقی کو بھی متاثر کرتا ہے۔
 
کیا ترتیب اور روٹنگ بہت وقت طلب ہے؟ Google AI اخراجات کو کم کرنے اور کارکردگی بڑھانے میں آپ کی مدد کرتا ہے۔
   
ISSCC کانفرنس گزشتہ ہفتے سان فرانسسکو میں منعقد ہوئی تھی۔ کانفرنس کے دوران گوگل نے کہا کہ مصنوعی ذہانت سرکٹ ڈیزائن اور اعلان کے لیے بھی اتنی ہی اہم ہے۔گوگل انٹیگریٹڈ سرکٹ ڈیزائن کے عمل میں خودکار لے آؤٹ اور روٹنگ کے مسائل کو حل کرنے کے لیے مشین لرننگ کو استعمال کرنے کی کوشش کر رہا ہے۔، اور اچھے نتائج حاصل کئے۔  
مصنوعی ذہانت کا اطلاق حالیہ برسوں میں الیکٹرانکس کے شعبے میں تحقیق کا مرکز اور توجہ کا مرکز رہا ہے۔ اس سمت نے سیمی کنڈکٹر محققین کی ایک بڑی تعداد کو روایتی سمتوں اور مصنوعی ذہانت کے امتزاج سے متعلق تحقیق میں مشغول ہونے کی طرف راغب کیا ہے۔ خاص طور پر، اس سال کی انٹیگریٹڈ سالڈ اسٹیٹ سرکٹ کانفرنس (ISSCC) نے کانفرنس کا تھیم بھی اس طرح رکھا: "مربوط سرکٹس کے ساتھ AI کے ایک نئے دور کو فروغ دیناافتتاحی تقریب نے سیمی کنڈکٹر کے شعبے میں تحقیق پر AI کے اثرات کو تلاش کرنے کے طور پر اس کانفرنس کا مقصد بھی بتایا۔
افتتاحی تقریب میں چار مقررین نے بتایا کہ کس طرح مصنوعی ذہانت کی مانگ نئے AI مخصوص پروسیسرز کے ڈیزائن کو آگے بڑھا رہی ہے (CPUs اور GPUs کے مقابلے)، یہ کس طرح ساختی جدت کو فروغ دے رہی ہے (جیسے چھوٹے چپس، ملٹی چپ پیکجز، یا پلگ ان ڈیزائنز کا استعمال)، اور یہاں تک کہ یہ مستقبل کی ترقی کو کس طرح متاثر کر رہا ہے۔  
کانفرنس کے پہلے مقرر گوگل اے آئی کے سربراہ جیف ڈین تھے۔ جیف ڈین نے بتایا کہ گوگل اس کے ساتھ تجربہ کر رہا ہے۔مربوط سرکٹ ڈیزائن میں جگہ اور راستے کے کام انجام دینے کے لیے مشین لرننگ کا فائدہ اٹھانا، یعنی، AI کو مربوط سرکٹس میں ترتیب اور وائرنگ سیکھنے دینا، ڈیزائن کے ماہرین کی انسانی محنت کو بچانا۔      ایک انسانی ASIC ماہر کے پلیسمنٹ اور روٹنگ کے نتائج کا کم طاقت والی ML ایکسلریٹر چپ کے پلیسمنٹ اور روٹنگ کے نتائج کے ساتھ موازنہ۔ گوگل نے جان بوجھ کر تصویر کے کچھ حصوں کو چھپا دیا۔ (ماخذ: گوگل ریسرچ / آئی ایس ایس سی سی)
جیف ڈین نے پہلے مختصر طور پر AI اور ML کی ترقی کی تاریخ کا تعارف کرایا، اور پھر متعارف کرایا کہ مشینیں کس طرح بیکگیمن کھیلنا سیکھتی ہیں، کس طرح ڈیپ بلیو شطرنج کھیلتا ہے، اور الفاگو گو کھیلنے میں کس طرح اچھا ہے۔ اور AI اب بہت پیچیدہ ویڈیو گیمز (جیسے "StarCraft") کو سنبھال سکتا ہے اور "تاریخی نتائج" حاصل کرسکتا ہے۔ ایک ہی وقت میں، مشین لرننگ میڈیکل امیجنگ میں بھی بڑے پیمانے پر استعمال ہوتی ہے۔روبوٹکس، کمپیوٹر ویژن، خود مختار ڈرائیونگ، نیورو سائنس، زراعت، موسم کی پیشن گوئی اور دیگر شعبےہے.  
  کئی دہائیوں سے، بنیادی خیال جو کمپیوٹنگ ٹیکنالوجی کی ترقی کا باعث بنتا رہا ہے۔: مسئلہ جتنا بڑا ہوگا، ہم اسے کمپیوٹنگ کی اتنی ہی طاقت دیتے ہیں۔ آپ کے پاس جتنی زیادہ پروسیسنگ پاور ہے، اتنے ہی بڑے مسائل آپ حل کر سکتے ہیں۔ تھوڑی دیر کے لیے، یہ اصول AI کے مسائل کو حل کرنے پر بھی لاگو ہوتا ہے۔ تاہم، یہ اصول تیزی سے پھٹنے والی دشواری کی جگہ سے ٹوٹ گیا۔ کیونکہ ہم اس طرح کے مسئلے کو حل کرنے کے لیے کافی CPU/GPU محفوظ نہیں کر سکتے۔  
حقائق نے یہ ثابت کر دیا ہے۔AI/ML کو ایک عام CPU/GPU کی پیچیدگی کی ضرورت نہیں ہے، مطلوبہ ریاضی آسان ہے، اور درکار درستگی بہت کم ہے۔. اس دریافت کا مطلب یہ ہے کہ سرشار AI/ML ایکسلریٹر CPU/GPUs کی طرح پیچیدہ نہیں ہوتے۔ اس کی بنیاد پر گوگل نے ٹینسر فلو ایکسلریٹر کو ڈیزائن کیا اور تھرڈ جنریشن پروڈکٹ لانچ کر دیا ہے اور چوتھی جنریشن پروڈکٹ جلد ہی ریلیز کی جائے گی۔ AI/ML پروسیسرز ڈیزائن کرنے کے لیے نسبتاً آسان ہیں اور اس لیے نسبتاً سستے ہیں، یہ سبھی مشین لرننگ کو نیٹ ورک کے کنارے تک آگے بڑھانا آسان بنا دیتے ہیں۔ 2019 تک، گوگل کے پاس پہلے سے ہی اسمارٹ فونز پر ایک بہت ہی کمپیکٹ ماڈل دستیاب ہے۔  
موجودہ مرحلے پر ہر AI پر مبنی ایپلی کیشن (خود مختار ڈرائیونگ، میڈیکل امیجنگ، گیمنگ) کو وقف AI/ML سسٹمز کی تربیت کے ذریعے لاگو کیا جاتا ہے۔ تو، کیا AI ایک سسٹم پر سیکھے گئے علم کو ایک ایسے نئے نظام پر لاگو کر سکتا ہے جو اس نے پہلے کبھی نہیں دیکھا؟ جواب واضح ہے: "ہاں"۔  
جیف ڈین نے کہا، "میں نے اسے سامنے لانے کی وجہ یہ ہے کہ ہم نے ASIC ڈیزائن میں جگہ اور راستے کے لیے AI استعمال کرنے کے بارے میں سوچنا شروع کیا۔"پلیسمنٹ اور روٹنگ گو سے کہیں زیادہ مشکل ہے:مقصد زیادہ مبہم ہے، اور مسئلہ کا پیمانہ بڑا ہے۔گوگل نے جگہ اور راستے کا ایک سیکھنے کا ماڈل بنایا ہے اور پھر یہ دیکھنے کی کوشش کی ہے کہ آیا اس ٹول کو مزید عام کیا جا سکتا ہے۔ "اب تک، ہم نے اپنی تمام کوششوں میں بہت اچھے نتائج حاصل کیے ہیں،" جیف ڈین نے کہا۔ اس کی کارکردگی انسانوں سے قدرے بہتر ہے، بعض اوقات بہت بہتر ہے۔گوگل نے تجارتی سافٹ ویئر کے ساتھ پلیسمنٹ اور روٹنگ کے لیے مشین لرننگ کے استعمال کی تاثیر کا موازنہ کیا۔ ٹیسٹ سرکٹ کئی مختلف ماڈیولز ہیں، بشمول Ariane RISC-V CPU۔ (ماخذ: گوگل ریسرچ / آئی ایس ایس سی سی)
"بہتر" کا مطلب ہے بہت کم وقت میں جگہ کا تعین اور روٹنگ۔ یہ کام عام طور پر انسانی ڈیزائن کے ماہر کے ذریعہ مکمل ہونے میں ایک ہفتہ یا اس سے بھی ہفتوں کا وقت لگے گا۔ اورML جگہ اور راؤٹر عام طور پر 24 گھنٹوں میں کام کی اتنی ہی مقدار مکمل کر سکتے ہیں، اور ترتیب کی تاریں عام طور پر چھوٹی ہوتی ہیں۔. آٹومیٹک پلیسمنٹ اور روٹنگ میں ایم ایل پلیس اور روٹر کی مزید بہترین کارکردگی کے لیے، براہ کرم کیڈینس کے راڈ میٹکالف کے تحریر کردہ مضمون "مشین لرننگ ان ای ڈی اے اسپیڈز اپ دی ڈیزائن سائیکل" کا حوالہ دیں۔  
جیف ڈین نے کہا کہ ML کو IC ڈیزائن کے عمل کے دیگر حصوں تک بھی بڑھایا جا سکتا ہے، بشمول ASIC ڈیزائنوں کی مزید مکمل طور پر تصدیق کرنے کے لیے ٹیسٹ کیسز بنانے میں مدد کے لیے ML کا استعمال۔ اور شاید زیادہ بہتر ڈیزائن حاصل کرنے کے لیے اعلیٰ سطحی کوڈ کی ترکیب کو بہتر بنانے کے لیے ML کا استعمال کرنا۔ یہ ممکنہ ایپلی کیشن ڈائریکشنز خود مشین لرننگ کو مقبول بنانے کے لیے اہم ہیں، اور انٹیگریٹڈ سرکٹ ڈیزائن کی ترقی کو تیز کرنے کے لیے بھی اتنی ہی اہم ہیں۔  
زیادہ لاگت اور زیادہ طاقت والا CPU/GPU ضروری نہیں ہے، ایج کمپیوٹنگ کو اپنی مرضی کے مطابق بنایا جا سکتا ہے۔
   
میڈیا ٹیک کے سینئر نائب صدر اور چیف اسٹریٹیجی آفیسر Kou-Hung Loh نے نشاندہی کی کہ IoT آلات دسیوں اربوں چیزوں کو آپس میں جوڑتے ہیں، لیکن AI انٹرنیٹ سے منسلک ہر چیز کو تبدیل کر رہا ہے۔  
AI کے ایج کمپیوٹنگ کی طرف بڑھنے کی وجہ کا ایک حصہ ہے جیسا کہ ڈین نے اس سیکشن میں پہلے ذکر کیا ہے، اور اس کے علاوہ اور بھی بہت سی وجوہات ہیں جن میں شامل ہیں:ڈیٹا سینٹرز پر پروسیسنگ کے بڑھتے ہوئے بوجھ کو کم کریں اور نیٹ ورک ٹریفک کو کم سے کم کریں۔، اور وہ ریئل ٹائم ایپلی کیشنز جن کے لیے قریب قریب مقامی پروسیسنگ کے استعمال کی ضرورت ہوتی ہے۔ مقامی پروسیسنگ کی ضروریات: تیز (خاص طور پر AI کمپیوٹنگ کے لیے ڈیزائن کیا جانا چاہیے)، اور کم بجلی کی کھپت۔ یہ پروسیسر خاص طور پر AI کے لیے بنائے گئے ہیں جنہیں AI پروسیسر یونٹ کہا جاتا ہے۔ APU ایک CPU سے کم لچکدار ہوسکتا ہے، لیکن کیونکہ یہ وقف ہے،اے پی یو سی پی یو سے 20 گنا تیز کارکردگی کا مظاہرہ کر سکتا ہے اور سی پی یو سے 55 گنا کم پاور استعمال کر سکتا ہے۔ہے.  
کیا متعدد نظاموں کو مشترکہ ڈیزائن کرنا مشکل ہے؟ AI آپ کو آٹھ غیر معمولی میریڈیئن کھولنے میں مدد کرتا ہے۔
   
Imec کے پروجیکٹ ڈائریکٹر، Nadine Collaert نے نشاندہی کی کہ مور کا قانون اگلے چند سالوں میں بھی لاگو ہو سکتا ہے۔ اگرچہ CMOS کو سکڑنا مشکل ہوتا جا رہا ہے، FinFETs، nanosheets، forksheets اور دیگر ٹیکنالوجیز کو چپ سطح کے CMOS کی مزید اسکیلنگ حاصل کرنے کے لیے استعمال کیا جا سکتا ہے۔ یہ خیال کیا جاتا ہے کہ 3D ٹیکنالوجی بہترین طریقہ ہے: جس میں ملٹی لیئر پیکیجنگ کا استعمال، سلیکون میں سوراخ کے ذریعے، اور دوسرے معیاری خلیوں کے ساتھ ٹھیک سطح کے کنکشن شامل ہیں۔ مخصوص ٹکنالوجی کا انتخاب سسٹم ڈیزائن کی ضروریات اور دستیاب ڈیوائس کی خصوصیات کی بنیاد پر طے کرنے کی ضرورت ہے۔ "یہ ایک پیچیدہ مشق ہونے جا رہی ہے،" Collaert نے کہا. اس سے EDA سپلائرز پر بہت زیادہ دباؤ پڑے گا، کیونکہ اس کے لیے EDA سپلائرز کو ٹول لیول پر مختلف حلوں کے ٹرائل اور موازنہ کی حمایت کرنے کی ضرورت ہوتی ہے۔  
وائرلیس کمیونیکیشن سسٹم کے فرنٹ اینڈ ماڈیولز ایک خاص چیلنج بن جائیں گے۔ "عام طور پر، یہ سسٹمز سب سے زیادہ متنوع ہیں: مختلف ٹیکنالوجیز کے بہت سے مختلف اجزاء کا استعمال کرتے ہوئے، اور فرنٹ اینڈ ماڈیولز اینٹینا، PAs اور فلٹرز کے اضافے کے ساتھ مزید پیچیدہ ہو جاتے ہیں۔"وائرلیس مواصلات کی صنعت اعلی تعدد اور اعلی کارکردگی کی طرف بڑھ رہی ہے۔. ایک آپشن یہ ہے کہ دونوں مواد کے فوائد حاصل کرنے کے لیے III-V مواد جیسے GaN اور SiC کو CMOS کے ساتھ ملایا جائے۔ Nadine Collaert نے III-V مواد کے ساتھ ایک 3D نینو رج کی تصویری مثال دی جس میں سیلیکون آن انسولیٹر (SOI) سبسٹریٹ پر اگایا گیا، جبکہ اس طرف اشارہ کرتے ہوئے کہ یہاں ابھی بہت کام کرنا باقی ہے۔      آئی ایم ای سی نے سلکان آن انسولیٹر (SOI) سبسٹریٹس پر III-V مواد کے 3D نینو ریجز اگانے کی اپنی صلاحیت کا مظاہرہ کیا۔
جہاں تک میموری پر مشین لرننگ کے اثرات کا تعلق ہے تو یہ اور بھی واضح ہے۔ AI اور ML جیسی نئی ایپلی کیشنز کو میموری تک تیز رسائی کی ضرورت ہوتی ہے۔ لوگوں کو فوری طور پر میموری کمپیوٹنگ پر توجہ دینے اور اسے تیار کرنے کی ضرورت ہے۔ جیسے جیسے منطق اور اسٹوریج تیزی سے قریب ہو رہے ہیں، 3D پیکیجنگ یقینی طور پر ایک اہم کردار ادا کرے گی۔  
ایک دوسرے کو بااختیار بنانا، کوانٹم کمپیوٹنگ اور مصنوعی ذہانت ایک دوسرے کی تکمیل کر سکتے ہیں
   
 

آئی بی ایم کے ریسرچ ڈائریکٹر ڈاریو گل نے کانفرنس میں جنرلائزڈ اے آئی کا مزید تذکرہ کیا: یہ تقریباً یقینی ہے کہ کوانٹم کمپیوٹرز پر جنرلائزڈ اے آئی کو لاگو کیا جائے گا۔ اس نے نتیجہ اخذ کیاسب سے بڑے فوائد بٹس (نمبر پروسیسنگ)، نیوران (AI) اور کوئبٹس (کوانٹم کمپیوٹنگ) کے تکمیلی استعمال سے حاصل ہو سکتے ہیں۔. IBM نے پہلے کوانٹم کمپیوٹر تک رسائی 2016 میں کھولی اور اب اسے 15 کوانٹم کمپیوٹرز تک رسائی حاصل ہے، جس میں اس کا جدید ترین 53-کوبٹ ماڈل بھی شامل ہے۔

اعلان دستبرداری: یہ مضمون "زنزیوان" سے دوبارہ شائع کیا گیا ہے۔ یہ مضمون صرف مصنف کے ذاتی خیالات کی نمائندگی کرتا ہے اور Sacco Micro اور صنعت کے خیالات کی نمائندگی نہیں کرتا ہے۔ یہ صرف دانشورانہ املاک کے حقوق کے تحفظ کی حمایت کے لیے دوبارہ پرنٹ اور شیئر کیا جاتا ہے۔ دوبارہ پرنٹ کرنے کے لیے براہِ کرم اصل ماخذ اور مصنف کی نشاندہی کریں۔ اگر کوئی خلاف ورزی ہوتی ہے تو اسے حذف کرنے کے لیے ہم سے رابطہ کریں۔

کمپنی کا فون نمبر: +86-0755-83044319
فیکس/FAX: +86-0755-83975897
ای میل: 1615456225@qq.com
QQ: 3518641314 منیجر لی

QQ: 332496225 منیجر Qiu

پتہ: کمرہ 809، بلڈنگ سی، ژانتاو ٹیکنالوجی بلڈنگ، نمبر 1079 منزی ایونیو، لونگہوا نیو ڈسٹرکٹ، شینزین