Одним з ключових моментів процесу проектування комп’ютерних чіпів є процедура оптимального розміщення та з’єднання тисяч окремих компонентів в єдине ціле на крихітному кристалі проектованого чіпа. І не варто згадувати навіть, що від якості виконання цієї роботи залежать всі основні параметри майбутнього чіпа — його швидкодія, енергоефективність і т.п. Даний процес дуже нагадує процес створення інтер’єрів приміщень, однак, він складніший оскільки проектувальникам чіпів необхідно розглядати варіанти розміщення компонентів не тільки в одній площині, а в «декількох поверхах» структури чіпа, що робить цей процес дуже схожим на гру в стилі 3D-Тетриса .
Сам по собі процес розміщення компонентів чіпа є довгим і трудомістким, більш того, базовий набір компонентів чіпів постійно поліпшується і розширюється і, самі ретельно виконані проекти дуже швидко застарівають і стають неактуальними. Зараз тривалість «життєвого циклу» чіпа знаходиться в діапазоні від двох до п’яти років, але темпи розвитку сучасної науки і технологій є причиною постійного скорочення цієї тривалості, постійної заміни наявних чіпів їх оновленими версіями.
Не так давно дослідники компанії Google зробили величезний «квантовий стрибок» вперед в області проектування комп’ютерних чіпів, вони створили алгоритм, який здатний сам себе навчити і продовжувати самообучаться в процесі роботи, вибираючи оптимальне розміщення компонентів електронної схеми на кристалі чіпа. Цей алгоритм робить аналіз мільйонів можливих варіантів розміщення компонентів і робить це набагато швидше, ніж потрібно часу на напівавтоматичний аналіз тисячі варіантів, що є типовим значенням для проекту більш-менш складного чіпа. При цьому, новий алгоритм може використовувати будь-які нововведення відразу в міру їх появи, а створювані їм чіпи мають менші розміри, більшу швидкодію, менший рівень енергоспоживання і меншу вартість виробництва.
В основі нового алгоритму лежить технологія машинного навчання з підкріпленням (reinforcement learning). Шляхом аналізу кожен запропонований варіант розміщення оцінюється, і за нього нараховуються або призові або штрафні бали. Це дозволяє системі знайти оптимальні підходи і не ходити по тупиковим гілкам в наступні рази. Провівши велике тестування створеного алгоритму, фахівці Google виявили, що використання такого інтелектуального підходу дозволило отримати проекти, що перевершують за багатьма параметрами проекти, створені не тільки кваліфікованими людьми-інженерами, але і великими групами розробників.
І на закінчення слід зазначити, що дослідники компанії Google вважають, що створений ними алгоритм може стати рішенням, яке буде здатне гарантувати збереження закону Гордона Мура ще деякий час. Нагадаємо нашим читачам, що, згідно з цим законом, кількість транзисторів на кристалах чіпів має подвоюватися кожні два роки. До певного моменту часу цей закон, що визначає темпи розвитку інформаційних технологій дотримувався неухильно за рахунок зменшення габаритних розмірів транзисторів. І лише останнім часом в цій області почали спостерігатися певні труднощі, пов’язані з тим, що нинішні технології майже впритул підійшли до обмежень, що накладаються на технологічні процеси законами фундаментальної фізики.
При цьому параметри, судячи з усього, повністю ідентичні. Відкритим залишається питання платформи. Нагадаємо, в японській версії це MediaTek Helio P65. В іншому ж відмінностей немає.
