اگه یه ذره پیگیر تکنولوژی باشی، احتمالاً شنیدی که هر روز اپلیکیشن‌ها و برنامه‌هایی که استفاده می‌کنیم دارن بزرگ‌تر و پیچیده‌تر می‌شن—مخصوصاً تو زمینه هوش مصنوعی (AI). مشکل اینجاست که وقتی این برنامه‌ها گسترش پیدا می‌کنن، سخت‌افزارها (یا همون چیپ‌ها) باید بتونن تعداد زیادی «هسته‌ی پردازشی»، اندازه‌هایی مثل آرایه و ساختارهای پیچیده‌ی حافظه رو مدیریت کنن. این‌ها رو که کنار هم بذاریم، می‌بینیم طراحی چیپ واقعاً تبدیل شده به یه ماجرای پر از چالش!
اینجاهاست که باید به سراغ یه عالمه راه‌حل خلاقانه‌تر از قبل بریم. جالبه بدونی که هوش مصنوعی خیلی وقته وارد دنیای طراحی چیپ شده—از آماده‌سازی منطقی تا ترتیب‌گیری قطعات و حتی مسیردهی توی مدار. اما حالا نسل جدیدی از هوش مصنوعی اومده به اسم LLM یا Large Language Model. حالا LLM چیه؟ یعنی مدل‌های زبانی خیلی بزرگ که می‌تونن مثل آدمای باهوش و حتی خفن‌تر، متن بنویسن و حتی برنامه‌نویسی کنن! این مدل‌ها جدیداً نشون دادن توی ساخت کدهای مخصوص سخت‌افزار که بهش می‌گن «HDL» حسابی ماهرن.
حالا یه قدم فراتر بریم: یه تکنیک پیشرفته توی ساخت چیپ وجود داره به اسم «تجمیع ۲.۵D» (2.5D Integration)، که یعنی چیپ‌ها رو طوری می‌چینن که فضای کمتری بگیره و هزینه‌ش هم پایین‌تر باشه. قشنگیش اینه که LLMها دارن به این سمت هم حرکت می‌کنن. ولی یه سری چالش عجیب و غریب سر راه هست—مثلاً اینکه طراحی تخت (flatten design)، هزینه‌ی زیاد اعتبارسنجی و سخت بودن بهینه‌سازی دقیق پارامترها واقعاً برای LLMها دردسر درست می‌کنه. یعنی چی؟ مثلاً سیستم نمی‌تونه به راحتی بین صدتا حالت درست، اون حالت بهینه رو پیدا کنه و تایید کنه همه‌چی درسته.
اینجاست که “MAHL” وارد صحنه می‌شه! اگه بخوام خودمونی بگم، MAHL یه چارچوب یا راه‌حله که با کمک یه عالمه مامور هوشمند (در مجموع ۶ تا Agent یا مامور مجازی) طراحی چیپلت (چیپلت یعنی یه جور چیپ کوچیک و ماژولار) رو از اول تا آخر انجام می‌دن. این مامورها هرکدوم مسئول یه بخش خاص هستن، مثلاً:
- تولید توصیف‌های سلسله‌مراتبی (یعنی بخش‌بندی و نظم دادن به اجزای پیچیده به شکلی مرتب)
- تولید کد با کمک بازیابی اطلاعات (یعنی موقع کدنویسی، از بقیه اطلاعات هم به صورت هوشمند استفاده می‌کنه)
- اعتبارسنجی به سبک Diverseflow (Diverseflow یعنی آزمایش کردن طرح در حالت‌های مختلف تا اطمینان از کارایی و صحت)
- جست‌وجوی دنیای طراحی در سطوح مختلف جزئیات (یعنی از کلیات تا جزئیات، همه نوع بررسی انجام می‌شه)
اینو که کنار هم بذاریم، می‌بینیم MAHL یه سری ابزار جادویی به سازندگان چیپلت می‌ده تا راحت‌تر، سریع‌تر و با خطای خیلی کمتر چیپ‌های بهینه بسازن. “بهینه” یعنی توی سه تا چیز اصلی: قدرت (Power)، بازده (Performance) و اندازه (Area)، همه چی سر جاش باشه و با کمترین منابع، بهترین پاسخ رو بگیری.
حالا نتیجه‌ها چی می‌گن؟ آزمایش‌ها نشون داده MAHL نه تنها توی طراحی‌های ساده مثل RTL (که یه جور توصیف سخت‌افزار به زبون قابل فهم برای ماشین‌هاست) خیلی دقیق عمل می‌کنه، بلکه توی چیپلت‌های واقعی هم غوغا کرده! مثلاً توی آزمونی به اسم Pass@5 (این یعنی از پنج بار امتحان کردن، چندبار جواب درست تولید می‌شه) دقت ساخت چیپلت برای LLMهای معمولی تقریباً صفر بوده ولی MAHL این رو تا ۰.۷۲ رسونده! یعنی یه پیشرفت فوق‌العاده.
حتی MAHL رو با بهترین روش‌های قبلی (یه روش پیشرفته به اسم CLARIE که مبتنی بر کارشناسای خبره‌س) مقایسه کردن و دیدن MAHL توی بعضی هدف‌ها حتی نتایج بهتری هم گرفته!
در کل، این تحقیق نشون داد وقتی هوش مصنوعی و مامورهای تخصصی رو بچسبونی به طراحی سخت‌افزار، یه عالمه ایده و امکان جدید باز می‌شه. دیگه لازم نیست همه‌چی رو دستی و با آزمون و خطای پرهزینه انجام بدن. یعنی آینده‌ی چیپ و چیپلت قطعاً زیر سلطه رفیق باهوشمون، هوش مصنوعی، خواهد بود!
منبع: +
