تستخدم Nvidia نيمو الذكاء الاصطناعي التوليدي لتصميم مبتكر لشريحة أشباه الموصلات.

في ورقة بحثية مبتكرة نُشرت اليوم، كشف مهندسو أشباه الموصلات في Nvidia كيف يمكن للذكاء الاصطناعي التوليدي تبسيط عملية تصميم أشباه الموصلات المعقدة. توضح الدراسة كيف يمكن للصناعات المتخصصة الاستفادة من نماذج اللغة الكبيرة المدربة على بيانات داخلية لتطوير مساعدين مدعومين بالذكاء الاصطناعي، مما يزيد من الإنتاجية في صناعة أشباه الموصلات.

استفادت الأبحاث من Nvidia NeMo، مما يبرز الإمكانيات الكبيرة لنماذج الذكاء الاصطناعي المخصصة لتوفير ميزة تنافسية في قطاع أشباه الموصلات. يعد تصميم أشباه الموصلات مهمة معقدة تتطلب تكوين دقيق للرقائق التي تحتوي على مليارات الترانزستورات على خرائط دوائر ثلاثية الأبعاد تشبه تخطيطات المدن، لكن بحجم أرفع من شعرة الإنسان. يتطلب هذا العمل تعاونًا واسعًا بين فرق الهندسة المختلفة، حيث يركز كل فريق على جوانب تصميمية مختلفة ويستخدم أدوات برمجية ولغات برمجة مختلفة.

طوَّر مصممو الرقائق في Nvidia طريقة لنماذج اللغة الكبيرة لدعم إنشاء رقائق أشباه الموصلات. قال الكاتب الرئيسي، مارك رين، مدير الأبحاث في Nvidia: "أعتقد أنه مع مرور الوقت، ستعزز نماذج اللغة الكبيرة العمليات بشكل شامل".

تم تقديم الورقة من قبل العالِم الرئيسي في Nvidia، بيل دالي، خلال كلمة رئيسية في المؤتمر الدولي لتصميم الحاسوب في سان فرانسيسكو. وذكر دالي: "يمثل هذا الجهد خطوة أولى هامة في تطبيق نماذج اللغة الكبيرة على العمل المعقد لتصميم أشباه الموصلات، مما يُظهر كيف يمكن للحقول المتخصصة الاستفادة من بياناتها الداخلية لتدريب نماذج الذكاء الاصطناعي التوليدية بفعالية".

أنشأ فريق Nvidia نموذج LLM مخصص يسمى ChipNeMo، تم تدريبه على بيانات الشركة الداخلية لتوليد وتحسين البرمجيات أثناء مساعدة المصممين. تهدف أهدافهم طويلة الأمد إلى تنفيذ الذكاء الاصطناعي التوليدي في جميع مراحل تصميم الرقائق، مما يحسن بشكل كبير الإنتاجية. تشمل التطبيقات الأولية شات بوت، ومولد كود، وأداة تحليل.

تلقت أداة التحليل ردود فعل إيجابية، حيث قامت بأتمتة المهمة المملة المتعلقة بالحفاظ على أوصاف الأخطاء المحدثة. بالإضافة إلى ذلك، يساعد نموذج الشات بوت المهندسين في العثور بسرعة على الوثائق الفنية، وينتج مُولد الكود مقتطفات برمجية متخصصة لتصميمات الرقائق.

تؤكد الأبحاث على التزام الفريق بجمع بيانات التصميم وإنشاء نموذج ذكاء اصطناعي توليدي مخصص يمكن تطبيقه على مجموعة متنوعة من الصناعات. من خلال البدء بنموذج أساسي واستخدام Nvidia NeMo — الإطار المصمم لبناء وتخصيص ونشر نماذج الذكاء الاصطناعي التوليدية — قاموا بصقل النموذج النهائي ChipNeMo، الذي يحتوي على 43 مليار معلمة وتم تدريبه على أكثر من تريليون توكن. أظهر هذا النموذج قدرة ملحوظة على التعرف على النماذج.

تُبرز الدراسة كيف يمكن لفريق تقني ماهر تحسين نموذج مُعد مسبقًا ببياناته الخاصة، مما يُشدد على الحاجة لتخصيص نماذج اللغة الكبيرة حيث يمكن أن تتفوق النماذج الأصغر على النسخ الأكبر والأكثر عمومية. تعتبر جمع البيانات وتنظيفها الفعّال أمرين حيويين أثناء عملية التدريب، ويُشجع المستخدمون على البقاء على اطلاع بأحدث الأدوات التي يمكن أن تعزز سير عملهم.

مع بدء صناعة أشباه الموصلات في استكشاف قدرات الذكاء الاصطناعي التوليدي، تقدم هذه الأبحاث رؤى حاسمة. يمكن للشركات المهتمة بتطوير نماذج لغة كبيرة مخصصة الاستفادة من إطار NeMo، المتاح على GitHub وكatalog NGC من Nvidia.

تتضمن الورقة البحثية مساهمات من مجموعة متنوعة من الخبراء، بما في ذلك مينغجي ليو، تيو إيني، روبرت كيربي، كريس تشينغ، ناثانيال بينكني وغيرهم.