ഇഷ്‌ടാനുസൃത എൽഎസ്ഐകൾ (എഎസ്‌ഐസി) രൂപകൽപ്പന ചെയ്യുന്നത് ലളിതവും വേഗത്തിലുള്ളതുമായ പ്രക്രിയയിൽ നിന്ന് വളരെ അകലെയാണെന്ന വസ്തുതയുമായി ആരെങ്കിലും വാദിക്കാൻ സാധ്യതയില്ല. എന്നാൽ ഇത് വേഗത്തിലാക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു, ആവശ്യമുണ്ട്: ഇന്ന് ഞാൻ ഒരു അൽഗോരിതം പുറപ്പെടുവിച്ചു, ഒരാഴ്ചയ്ക്ക് ശേഷം ഞാൻ പൂർത്തിയാക്കിയ ഡിജിറ്റൽ പ്രോജക്റ്റ് എടുത്തുകളഞ്ഞു. ഉയർന്ന സ്പെഷ്യലൈസ്ഡ് എൽഎസ്ഐകൾ ഏതാണ്ട് ഒറ്റത്തവണ ഉൽപ്പന്നമാണ് എന്നതാണ് വസ്തുത. ദശലക്ഷക്കണക്കിന് ബാച്ചുകളിൽ ഇവ വളരെ അപൂർവമായി മാത്രമേ ആവശ്യമുള്ളൂ, ഇത് സാധ്യമായ ഏറ്റവും കുറഞ്ഞ സമയത്തിനുള്ളിൽ ചെയ്യണമെങ്കിൽ, നിങ്ങൾക്ക് ഇഷ്ടമുള്ളത്ര പണവും മനുഷ്യവിഭവശേഷിയും ചെലവഴിക്കാൻ കഴിയും. സ്പെഷ്യലൈസ്ഡ് ASIC-കൾ, അതിനാൽ അവരുടെ ടാസ്ക്കുകൾ പരിഹരിക്കുന്നതിന് ഏറ്റവും ഫലപ്രദമാണ്, വികസിപ്പിക്കുന്നത് വിലകുറഞ്ഞതായിരിക്കണം, ഇത് മെഷീൻ ലേണിംഗ് വികസനത്തിന്റെ ഇന്നത്തെ ഘട്ടത്തിൽ മെഗാ-പ്രസക്തമാവുകയാണ്. ഈ മുൻവശത്ത്, കമ്പ്യൂട്ടർ മാർക്കറ്റ് ശേഖരിക്കുന്ന ബാഗേജുകളും, പ്രത്യേകിച്ച്, മെഷീൻ ലേണിംഗ് (എംഎൽ) മേഖലയിലെ ജിപിയു മുന്നേറ്റങ്ങളും ഇനി ഒഴിവാക്കാനാവില്ല.
ML ടാസ്‌ക്കുകൾക്കായി ASIC-കളുടെ രൂപകൽപ്പന വേഗത്തിലാക്കാൻ, DARPA ഒരു പുതിയ പ്രോഗ്രാം സ്ഥാപിക്കുന്നു - റിയൽ ടൈം മെഷീൻ ലേണിംഗ് (RTML). തത്സമയ മെഷീൻ ലേണിംഗ് പ്രോഗ്രാമിൽ ഒരു നിർദ്ദിഷ്ട ML ഫ്രെയിംവർക്കിനായി ഒരു ചിപ്പ് ആർക്കിടെക്ചർ സ്വയമേവ രൂപകൽപ്പന ചെയ്യാൻ കഴിയുന്ന ഒരു കമ്പൈലർ അല്ലെങ്കിൽ സോഫ്റ്റ്‌വെയർ പ്ലാറ്റ്‌ഫോം വികസിപ്പിക്കുന്നത് ഉൾപ്പെടുന്നു. പ്ലാറ്റ്‌ഫോം, നിർദ്ദിഷ്ട മെഷീൻ ലേണിംഗ് അൽഗോരിതം, ഈ അൽഗോരിതം പരിശീലിപ്പിക്കുന്നതിനുള്ള ഡാറ്റ സെറ്റ് എന്നിവ സ്വയമേവ വിശകലനം ചെയ്യണം, അതിനുശേഷം ഒരു പ്രത്യേക ASIC സൃഷ്ടിക്കുന്നതിന് വെരിലോഗിൽ കോഡ് നിർമ്മിക്കണം. ML അൽഗോരിതം ഡെവലപ്പർമാർക്ക് ചിപ്പ് ഡിസൈനർമാരെ കുറിച്ച് അറിവില്ല, കൂടാതെ ഡിസൈനർമാർക്ക് മെഷീൻ ലേണിംഗ് തത്വങ്ങൾ വളരെ അപൂർവമായി മാത്രമേ അറിയൂ. മെഷീൻ ലേണിംഗിനുള്ള ഒരു ഓട്ടോമേറ്റഡ് ASIC ഡെവലപ്‌മെന്റ് പ്ലാറ്റ്‌ഫോമിൽ രണ്ടിന്റെയും ഗുണങ്ങൾ സംയോജിപ്പിച്ചിട്ടുണ്ടെന്ന് ഉറപ്പാക്കാൻ RTML പ്രോഗ്രാം സഹായിക്കും.
ആർടിഎംഎൽ പ്രോഗ്രാമിന്റെ ലൈഫ് സൈക്കിളിൽ, കണ്ടെത്തിയ പരിഹാരങ്ങൾ രണ്ട് പ്രധാന ആപ്ലിക്കേഷൻ ഏരിയകളിൽ പരീക്ഷിക്കേണ്ടതുണ്ട്: 5G നെറ്റ്‌വർക്കുകളും ഇമേജ് പ്രോസസ്സിംഗും. കൂടാതെ, പുതിയ ML അൽഗോരിതങ്ങളും ഡാറ്റാസെറ്റുകളും വികസിപ്പിക്കുന്നതിനും പരിശോധിക്കുന്നതിനും RTML പ്രോഗ്രാമും ML ആക്‌സിലറേറ്ററുകളുടെ സ്വയമേവ രൂപകൽപ്പന ചെയ്യുന്നതിനായി സൃഷ്‌ടിച്ച സോഫ്റ്റ്‌വെയർ പ്ലാറ്റ്‌ഫോമുകളും ഉപയോഗിക്കും. അതിനാൽ, സിലിക്കൺ രൂപകൽപ്പന ചെയ്യുന്നതിനു മുമ്പുതന്നെ, പുതിയ ചട്ടക്കൂടുകളുടെ സാധ്യതകൾ വിലയിരുത്താൻ സാധിക്കും. മെഷീൻ ലേണിംഗ് പ്രശ്‌നങ്ങളിലും ML അൽഗോരിതങ്ങളുടെ വികസനത്തിലും ഏർപ്പെട്ടിരിക്കുന്ന നാഷണൽ സയൻസ് ഫൗണ്ടേഷൻ (NSF) ആയിരിക്കും RTML പ്രോഗ്രാമിലെ DARPA-യുടെ പങ്കാളി. വികസിപ്പിച്ച കംപൈലർ NSF-ലേക്ക് മാറ്റും, ML അൽഗോരിതം രൂപകൽപന ചെയ്യുന്നതിനുള്ള ഒരു കമ്പൈലറും പ്ലാറ്റ്‌ഫോമും ബാക്ക് DARPA പ്രതീക്ഷിക്കുന്നു. ഭാവിയിൽ, ഹാർഡ്‌വെയർ രൂപകൽപനയും അൽഗോരിതങ്ങൾ സൃഷ്ടിക്കലും ഒരു സംയോജിത പരിഹാരമായി മാറും, ഇത് തത്സമയം സ്വയം പഠിക്കുന്ന യന്ത്ര സംവിധാനങ്ങളുടെ ഉദയത്തിലേക്ക് നയിക്കും.
അവലംബം: 3dnews.ru