تراشه‌های کامپیوتری بخش جدایی‌ناپذیری از دنیای مدرن هستند و در وسایل مختلف از خودروها گرفته تا تلفن‌های همراه و رایانه‌ها کاربرد دارند. به همین دلیل، همواره تلاشی برای بهبود و نوآوری در طراحی تراشه‌ها وجود دارد. در این مسیر، گروهی از دانشمندان به سرپرستی کوشیک سنگوپتا از دانشگاه پرینستون، فرآیندی را معرفی کرده‌اند که در آن از هوش مصنوعی (AI) برای طراحی و آزمایش تراشه‌های کارآمدتر استفاده می‌شود.
استفاده از هوش مصنوعی در طراحی تراشه‌ها

سنگوپتا، که اخیراً به‌خاطر تحقیقاتش در زمینه شبکه‌های بی‌سیم به عنوان یک عضو IEEE شناخته شده است، تأکید دارد که هدف این فناوری جایگزینی مهندسان نیست، بلکه کمک به افزایش بهره‌وری آنهاست. این پژوهش که در ژورنال Nature Communications منتشر شده، برخلاف تحقیقات انحصاری شرکت‌های خصوصی، در دسترس عموم قرار گرفته و می‌تواند به توسعه فناوری‌های جدید هوش مصنوعی کمک کند. با این حال، یکی از چالش‌های مهم این است که انسان‌ها ممکن است هرگز به‌طور کامل درک نکنند که این تراشه‌ها چگونه کار می‌کنند. اگر تراشه‌ها قابل تعمیر نباشند، ممکن است به محصولاتی یک‌بارمصرف تبدیل شوند.

طراحی معکوس و تأثیر آن در تولید تراشه‌های جدید

محققان از رویکردی به نام طراحی معکوس (Inverse Design) استفاده کردند. در این روش، به جای طراحی تراشه از بالا به پایین، ابتدا جزئیات و عملکرد مطلوب تراشه مشخص شده و سپس مراحل طراحی بر اساس آن تنظیم می‌شود. برخلاف ذهن انسان که به یک ساختار خطی و منظم در طراحی نیاز دارد، الگوریتم‌های کامپیوتری می‌توانند بدون محدودیت‌های قالب‌های موجود، اجزای تراشه را به اشکال مختلف و نامنظم طراحی کنند. این امر می‌تواند افق‌های جدیدی در نوآوری باز کند.

استفاده از شبکه‌های عصبی پیچشی (CNN)

سنگوپتا و تیمش از یک شبکه عصبی پیچشی (CNN) استفاده کردند. این فناوری برخلاف روش‌های سنتی، طرح‌های غیرمنظم و به‌ظاهر نامرتب برای مدارهای الکترومغناطیسی پیشنهاد می‌دهد که کارایی بالاتری دارند. او توضیح می‌دهد که در طراحی کلاسیک، مهندسان مدارها را به‌دقت تنظیم می‌کنند تا سیگنال‌ها به روش مطلوب در تراشه حرکت کنند. اما با CNN، این فرآیند تغییر می‌کند و گزینه‌های بسیار بیشتری برای طراحی ایجاد می‌شود.

چالش‌های استفاده از هوش مصنوعی در طراحی تراشه

هرچند CNN می‌تواند پیشنهادهای نوآورانه‌ای ارائه دهد، اما این فناوری نیز دارای خطاهایی مانند توهمات (hallucinations) است. گاهی اوقات هوش مصنوعی طرح‌هایی را پیشنهاد می‌دهد که از نظر فنی غیرممکن یا غیرواقعی هستند. به همین دلیل، همچنان به دخالت مهندسان برای اصلاح این خطاها نیاز است. سنگوپتا تأکید می‌کند که هدف جایگزینی مهندسان نیست، بلکه افزایش بهره‌وری آنها با ابزارهای جدید است. هوش مصنوعی می‌تواند کارهای تکراری و پیچیده را انجام دهد، در حالی که ذهن انسان همچنان بهترین ابزار برای خلق ایده‌های جدید است.

آینده طراحی تراشه‌ها با ترکیب هوش مصنوعی و دانش انسانی

مهندسان ممکن است ترجیح دهند که طرح‌های قابل فهم‌تری را انتخاب کنند، حتی اگر هوش مصنوعی گزینه‌های کارآمدتری ارائه دهد. هدف این پژوهش ایجاد "لحظات کشف" برای مهندسان است تا از پیشنهادات هوش مصنوعی به عنوان نقطه شروع برای ایده‌های جدید استفاده کنند. از آنجایی که این تحقیق به‌صورت شفاف و عمومی منتشر شده است، برخلاف بسیاری از فناوری‌های هوش مصنوعی که در اختیار شرکت‌های خصوصی باقی می‌مانند، می‌تواند به رشد علم و نوآوری کمک کند. باید دید که آیا این تراشه‌های جدید و غیرمتعارف در آینده به بخشی از شبکه‌های بی‌سیم جهانی تبدیل خواهند شد یا خیر.

منبع خبر: popularmechanics