Naukowcy wykorzystali do tego celu szablony zawierające schematy ponad 10 tys. układów scalonych, które są w trakcie projektowania analizowane przez technologię maszynowego uczenia.

Produkowane obecnie scalaki zawierają miliardy komponentów ułożonych i połączonych ze sobą na niewielkim kawałku krzemu. Jeden standardowy układ CPU zawiera dziesiątki czy nawet setki milionów bramek logicznych oraz tysiące bloków pamięci, które następnie muszą być ze sobą połączone. Odpowiednie rozmieszczenie tych elementów na chipie ma kluczowe znaczenie dla określenia, jak szybko sygnały mogą być przesyłane i co za tym idzie, jak wydajne będzie dany układ.

Zobacz również:

• Ta technika rozwiązuje problem ograniczonej wielkości okien kontekstowych obsługujących modele językowe LLM
• Z usługi Google One zniknie funkcja VPN
• Apple i Broadcom z umową na produkcję komponentów w USA

Dlatego większość pracy inżynierów projektujących procesory skupia się na optymalizacji architektury całego układu. Liczba możliwych układów takich elementów jest olbrzymia. Projektanci chipów mogą obecnie co prawda korzystać ze specjalnego oprogramowania, które pomoże im w tym zadaniu, ale wciąż wiele miesięcy zajmuje im określenie, jak najlepiej zmontować te wszystkie komponenty na kawałku krzemu. Teraz zadanie to realizuje aplikacja opracowana przez Google.

Testy pokazały, że aplikacja potrzebuje zaledwie sześciu godzin na zaprojektowanie układu scalonego wykonującego zlecone mu zadania, optymalizując rozmieszczenie różnych komponentów na chipie i spełniając wymagania dotyczące szybkości przetwarzania danych czy wydajności energetycznej układu.

Google wykorzystał już ten model do projektowania procesorów tensorowych (TPU) nowej generacji, które działają w centrach danych w celu poprawy wydajności różnych aplikacji AI.