پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

چارچوب COEVO با بهینه‌سازی و رفع هم‌زمان خطاهای طراحی تراشه، تمام رقبا را پشت سر گذاشت

انتشار:۱۶ آبان ۱۴۰۵
۲ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

پژوهشگران با معرفی چارچوب نوآورانه COEVO، فرآیند تصحیح خطاهای منطقی و بهینه‌سازی مصرف انرژی و ابعاد تراشه را در قالب یک چرخه تکاملی یکپارچه ادغام کردند. این روش به مدل‌های زبانی اجازه می‌دهد تا طرح‌های سخت‌افزاری آینده‌دار اما دارای نقص را دور نریزند و هم‌زمان با ارتقای ریزمعماری، مشکلات آن‌ها را برطرف سازند.

چارچوب COEVO با بهینه‌سازی و رفع هم‌زمان خطاهای طراحی تراشه، تمام رقبا را پشت سر گذاشت

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • چارچوب تکاملی COEVO برخلاف روش‌های چندمرحله‌ای رایج، رفع خطاهای عملکردی مدار و بهینه‌سازی سخت‌افزار را به‌طور هم‌زمان پیش می‌برد.
  • این سامانه با استفاده از مدل GPT-5.4-mini موفق شد به نرخ موفقیت چشمگیر بیش از ۹۴ درصد در بنچمارک‌های ارزیابی کد Verilog دست پیدا کند.
  • این رویکرد نوآورانه در ۴۳ مورد از ۴۹ مدار آزمایشی، بهترین تعادل میان مصرف انرژی، کارایی و مساحت تراشه را در مقایسه با تمام مدل‌های پیشین به ثبت رساند.

خطوط تولید مبتنی بر مدل‌های زبانی برای تولید کدهای سخت‌افزاری Verilog معمولاً فرآیند ساخت را به دو مرحله تفکیک می‌کنند: ابتدا دستیابی به صحت عملکرد مدار و سپس بهینه‌سازی هم‌زمان توان مصرفی، کارایی و مساحت تراشه (PPA). اکنون مقاله پژوهشی COEVO هر دوی این اهداف را در یک فرآیند جست‌وجوی تکاملی یکپارچه ادغام کرده است؛ رویکردی که به طرح‌های نیمه‌صحیح اما دارای ریزمعماری‌های آینده‌دار اجازه می‌دهد در میان گزینه‌های انتخابی باقی بمانند تا ایرادهای منطقی آن‌ها به‌مرور برطرف شود.

پژوهشگران با بهره‌گیری از مدل GPT-5.4-mini گزارش داده‌اند که این سامانه به شاخص Pass@1 معادل ۹۷٫۵ درصد در بنچمارک VerilogEval 2.0 و ۹۴٫۵ درصد در RTLLM 2.0 دست یافته است. معیار Pass@1 در واقع نشان‌دهنده درصد مسائلی است که مدل تنها با یک کاندیدای تولیدشده و بدون تلاش مجدد موفق به حل آن‌ها می‌شود. علاوه بر این، چارچوب COEVO در ۴۳ مدار از مجموع ۴۹ مدار قابل‌سنتز در آزمون RTLLM، بهترین نتایج ثبت‌شده را در شاخص PPA به ارمغان آورد و تمامی راهکارهای مبتنی بر ایجنت‌های پیشین را در میان چهار مدل پایه مختلف شکست داد.

چرا جست‌وجوی چندمرحله‌ای طرح‌های سخت‌افزاری مفید را از بین می‌برد؟

کد سطح انتقال ثبات (RTL) به توصیف ثبات‌ها، مسیرهای انتقال داده و منطق کنترلی مدارهای دیجیتال می‌پردازد. ابزارهای سنتز سخت‌افزار این کدهای RTL را به یک نقشه اتصالات در سطح گیت‌های منطقی تبدیل می‌کنند تا مهندسان بتوانند مساحت تراشه سیلیکونی، تاخیر در مسیر بحرانی مدار و توان مصرفی را بسنجند. تاخیر کمتر به مدار اجازه می‌دهد تا در فرکانس کاری بالاتری فعالیت کند. بنچمارک‌های VerilogEval 2.0 و RTLLM 2.0 کدهای سخت‌افزاری تولیدشده را از طریق کامپایل و شبیه‌سازی عملکردی ارزیابی می‌کنند، در حالی که RTLLM کیفیت پیاده‌سازی فیزیکی مدار را نیز با سنجش فرآیند سنتز و جانمایی مدار به بوته آزمایش می‌گذارد.

جریان‌های کاری متداول بر پایه ایجنت‌ها معمولاً از یک مدل برای نوشتن کد سخت‌افزاری اولیه، از مدلی دیگر برای رفع خطاهای عملکردی و از مرحله‌ای مجزا در پایان برای بهبود پارامترهای PPA استفاده می‌کنند. نسخه‌های تکاملی قبلی نیز غالباً پیش از بررسی کیفیت پیاده‌سازی فیزیکی، یک فیلتر سخت‌گیرانه برای صحت عملکردی مدار اعمال می‌کردند. هر دو روش باعث می‌شوند فضای جست‌وجو پیش از آنکه بهینه‌ساز بتواند طرح‌های جایگزین با ویژگی‌های سخت‌افزاری برتر را بررسی کند، بیش از حد پیرامون یک معماری اولیه محدود شود و گزینه‌های بالقوه درخشان از دست بروند.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

بررسی کنسول حرکتی HUUCH؛ تجربه بازی‌های خانوادگی با دوربین هوش مصنوعی
آخرین اخبار

بررسی کنسول حرکتی HUUCH؛ تجربه بازی‌های خانوادگی با دوربین هوش مصنوعی

کنسول حرکتی HUUCH با بهره‌گیری از دوربین هوش مصنوعی، حرکات بدن بازیکنان را به دستورات بازی ویدیویی تبدیل می‌کند تا تحرک بیشتری در خانه داشته باشند. با وجود جذابیت اولیه و قیمت مناسب‌تر در مقایسه با رقبا، ناپایداری در ردیابی حرکتی و راه‌اندازی خسته‌کننده مانع از ارائه یک تجربه ایدئال شده است.

۱۰ دقیقه مطالعه
۰
۱۶ آبان
متا از قابلیت Spaces رونمایی کرد؛ فضایی اختصاصی برای همکاری با ایجنت‌های هوش مصنوعی Muse
آخرین اخبار

متا از قابلیت Spaces رونمایی کرد؛ فضایی اختصاصی برای همکاری با ایجنت‌های هوش مصنوعی Muse

متا با معرفی قابلیت Spaces، امکان ایجاد فضاهای اختصاصی برای همکاری هدفمند با ایجنت‌های هوش مصنوعی Muse را فراهم کرده است. این ویژگی به کاربران اجازه می‌دهد پروژه‌های روزمره خود مانند برنامه‌ریزی سفر یا پیگیری رویدادها را در برگه‌هایی مستقل مدیریت کنند.

۳ دقیقه مطالعه
۰
۱۶ آبان
جذب سرمایه ۱۱ میلیارد دلاری OpenAI؛ ارزش این غول هوش مصنوعی به ۱.۲۵ تریلیون دلار رسید
آخرین اخبار

جذب سرمایه ۱۱ میلیارد دلاری OpenAI؛ ارزش این غول هوش مصنوعی به ۱.۲۵ تریلیون دلار رسید

شرکت OpenAI در جدیدترین دور تأمین مالی خود ۱۱ میلیارد دلار سرمایه جذب کرده است که ارزش این آزمایشگاه هوش مصنوعی را به ۱.۲۵ تریلیون دلار می‌رساند. انتظار می‌رود این دور سرمایه‌گذاری در هفته‌های آینده نهایی شود و مجموع آن به حدود ۲۰ میلیارد دلار برسد.

۲ دقیقه مطالعه
۰
۱۶ آبان