Uma badna in qofna uu ku doodo xaqiiqda ah in naqshadeynta LSI-yada caadiga ah (ASICs) ay ka fog tahay hab fudud oo degdeg ah. Laakiin waxaan rabaa oo aan u baahanahay si dhakhso ah: maanta waxaan soo saaray algorithm, usbuuc ka dib waxaan ka qaaday mashruucii dhijitaalka ahaa ee dhammaatay. Xaqiiqdu waxay tahay in LSI-yada takhasuska sare leh ay ku dhow yihiin badeecad hal mar ah. Kuwan ayaa si naadir ah loogu baahan yahay dufcooyin malaayiin ah, kuwaas oo horumarintooda aad ku bixin karto lacag aad u badan iyo agabka biniβaadmiga ee aad jeceshahay, haddii taasi loo baahan yahay in lagu qabto wakhtiga ugu yar ee suurtogalka ah. ASIC-yada gaarka ah, oo sidaas darteed kuwa ugu waxtarka badan ee xallinta hawlahooda, waa inay ka jaban yihiin horumarinta, taas oo noqonaysa mega-ku xiran heerka hadda ee horumarinta mashiinka barashada. Dhinaca hore, shandadaha uu ururiyey suuqa kombuyuutarku iyo, gaar ahaan, horumarka GPU ee dhinaca barashada mishiinada (ML) lama ilaalin karo.
Si loo dedejiyo naqshadaynta ASICs ee hawlaha ML, DARPA waxay dejinaysaa barnaamij cusub - Real Time Machine Learning (RTML). Barnaamijka barashada mishiinada wakhtiga-dhabta ah waxa ku lug leh samaynta isku xidhe ama madal software kaas oo si toos ah u naqshadayn kara qaab-dhismeedka chip ee qaab ML gaar ah. Madalku waa inuu si toos ah u falanqeeyaa algorithm-ka barashada mashiinka la soo jeediyay iyo xogta loo dejiyay tababarka algorithmamka, ka dib waa inay soo saartaa koodka Verilog si loo abuuro ASIC khaas ah. Soosaarayaasha ML algorithm ma laha aqoonta naqshadeeyayaasha chip, iyo naqshadeeyayaasha dhif ayay u yaqaanaan mabaadi'da barashada mashiinka. Barnaamijka RTML waa inuu gacan ka geystaa hubinta in faa'iidooyinka labadaba lagu daro madal horumarinta ASIC ee tooska ah ee barashada mashiinka.
Inta lagu jiro wareegga nolosha ee barnaamijka RTML, xalalka la helay waxay u baahan doonaan in lagu tijaabiyo laba qaybood oo codsi ah: shabakadaha 5G iyo habaynta sawirka. Sidoo kale, barnaamijka RTML iyo aaladaha softiweerka ee la sameeyay ee naqshadeynta tooska ah ee dardargeliyayaasha ML ayaa loo isticmaali doonaa si loo horumariyo loona tijaabiyo algorithmyada cusub ee ML iyo xog-ururinta. Sidaa darteed, xitaa ka hor inta aan la naqshadeynin silikon, waxaa suurtagal ah in la qiimeeyo rajada qaababka cusub. Shuraakada DARPA ee barnaamijka RTML waxay noqon doontaa Aasaaska Sayniska Qaranka (NSF), kaas oo sidoo kale ku lug leh dhibaatooyinka barashada mashiinka iyo horumarinta algorithms ML. Isku-dubbaridaha la sameeyay waxaa loo wareejin doonaa NSF, gadaalna DARPA waxay filaysaa inay hesho isku-dubarid iyo madal loogu talagalay naqshadaynta algorithms ML. Mustaqbalka, naqshadaynta qalabka iyo abuurista algorithms waxay noqon doontaa xal isku dhafan, taas oo u horseedi doonta soo bixitaanka hababka mishiinada kuwaas oo iskood u baranaya wakhtiga dhabta ah.
Source: 3dnews.ru