Исследователи из Нью-Йоркского университета (NYU) сделали кажущееся невозможным: они разработали и изготовили полупроводниковый чип, не используя язык описания аппаратуры HDL. Они общались с искусственным интеллектом ” data-html=”true” data-original-title=”ChatGPT” >ChatGPT на простом английском языке, объясняя ему, как должен работать полупроводниковый процессор. ChatGPT в свою очередь помог им пропустить этап перевода на HDL и сразу перейти к геометрии и расположению элементов чипа.
Чип, который они создали, не был полноценным процессором, а лишь одним из его компонентов: логикой для 8-битной архитектуры микропроцессора на основе аккумулятора. Аккумулятор – это регистр (память), где хранятся промежуточные результаты вычислений. Это важная часть работы процессоров. Возможно, другие части тоже могут быть спроектированы с помощью ChatGPT.
Обычно для создания чипа требуется несколько этапов. Один из них – это перевод “простого английского”, который описывает чип и его функции, на HDL (например, Verilog). HDL определяет форму и размер элементов чипа, которые нужны для травления. ChatGPT – это мощный инструмент для работы с языками: устными, письменными и аппаратными. ChatGPT позволил инженерам избежать этапа HDL.
Исследователи утверждают, что такой подход может снизить количество ошибок, повысить производительность, ускорить проектирование и выпуск чипов на рынок, а также способствовать более креативным дизайнам.
“Мы хотим знать, насколько хороши такие модели”, – сказал один из исследователей. “Многие думают, что подобные модели – это просто игрушки. Но я не согласен. Мы сделали Chip Chat как доказательство этой концепции”.
Исследователи воспользовались процессом tapeout, чтобы отправить свои дизайны в Skywater 130nm shuttle – сервис по изготовлению полупроводниковых чипов, к которому они получили доступ через Tiny Tapeout. Это был первый в истории случай, когда HDL, сгенерированный искусственным интеллектом, превратился в реальный физический чип.
Исследователи рассчитывают, что их работа будет способствовать развитию изучения применения моделей искусственного интеллекта в разработке аппаратуры. Они также заинтересованы в том, как можно контролировать и оценивать качество работы моделей искусственного интеллекта.