- සිංහල
-
EnglishDeutschItaliaFrançais日本語한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикAfrikaansIsiXhosaisiZululietuviųMaoriKongeriketМонголулсO'zbekTiếng ViệtहिंदीاردوKurdîCatalàBosnaEuskeraالعربيةفارسیCorsaChicheŵaעִבְרִיתLatviešuHausaБеларусьአማርኛRepublika e ShqipërisëEesti Vabariikíslenskaမြန်မာМакедонскиLëtzebuergeschსაქართველოCambodiaPilipinoAzərbaycanພາສາລາວবাংলা ভাষারپښتوmalaɡasʲКыргыз тилиAyitiҚазақшаSamoaසිංහලภาษาไทยУкраїнаKiswahiliCрпскиGalegoनेपालीSesothoТоҷикӣTürk diliગુજરાતીಕನ್ನಡkannaḍaमराठी
විද්යුත් තැපෑල:Info@Y-IC.com
උපදේශක: අර්ධ සන්නායක කර්මාන්තයේ වර්ධනයේ දශකය සඳහා AI තවත් උත්ප්‍රේරකයක් වනු ඇත
2001 දී අන්තර්ජාල බුබුල පුපුරා යාමෙන් පසුව, සමස්ත අර්ධ සන්නායක කර්මාන්තයේ අනාගත සංවර්ධනය පිළිබඳව බොහෝ අය සැක පහළ කළහ.
එකල වෙළඳපල කඩාවැටීමේ වටයේදී බොහෝ අර්ධ සන්නායක සමාගම් ඒකාබද්ධ වීමට පටන් ගත්හ; කර්මාන්තයේ සුළං ප්‍රාග්ධනය සඳහා වන ආකර්ශනීය ආයෝජනය ද බෙහෙවින් අඩු විය; ක්‍රියාවලි සංවර්ධනයේ තාක්‍ෂණික පර්යේෂණ සහ සංවර්ධනය සහ අනෙකුත් අංශ ද එකතැන පල් වී මන්දගාමී වී ඇත.
කෙසේ වෙතත්, අර්ධ සන්නායක කර්මාන්තය දැන් නව පෙරළියක් දැක තිබේ. Ji Wei.com වැනි වාර්තාකරුවන් සමඟ සම්මුඛ සාකච්ඡාවකට එක්වෙමින් උපදේශක IC EDA හි විධායක උප සභාපති ජෝශප් සැවිකි මහතා පැවසුවේ කෘතිම බුද්ධිය සහ යන්ත්‍ර ඉගෙනීම වැනි නව තාක්ෂණයන් උත්තේජනය කිරීම යටතේ කර්මාන්තය නැවත අවස්ථාවන්ගෙන් පිරී ඇති බවයි.
කෘතිම බුද්ධිය බොහෝ සිරස් ප්‍රදේශවලට යොදා ගත හැකි බව මැකින්සි වාර්තාවක් පෙන්වා දී ඇති අතර එමඟින් අර්ධ සන්නායක සමාගම්වලට මෙම තාක්‍ෂණික කොටස් වලින් මුළු වටිනාකමෙන් 40 සිට 50% දක්වා ප්‍රමාණයක් ලබා ගත හැකිය. අර්ධ සන්නායක කර්මාන්තයේ තවත් වසර 10 ක වර්ධන චක්‍රයක් සඳහා කෘතිම බුද්ධිය ප්‍රබල උත්ප්‍රේරකයක් වනු ඇති බව ජෝසප් පැවසීය. නමුත් මෙම ප්‍රවණතාවය සැබවින්ම සාක්ෂාත් කර ගැනීම සඳහා, ආධාරකයක් ලෙස දත්ත විශාල ප්‍රමාණයක් අවශ්‍ය වේ.
"ප්‍රමාණවත් දත්ත සමඟ, ඔබට පුරෝකථනය කළ හැකිය, එවිට ඔබට ඔබේ යන්ත්රය ඉතා විශ්වාසදායක ලෙස පුහුණු කළ හැකි අතර යන්ත්‍රයට learn ලදායී ලෙස ඉගෙනීමට ඉඩ දෙන්න." අධිවේගී සන්නිවේදනය සඳහා අවශ්‍ය හා නිර්මාණය කරන ලද දත්ත ප්‍රමාණය ඉදිරි වසර 12 තුළ ඉහළ යනු ඇතැයි ජෝසප් වැඩිදුරටත් පැවසීය. එය දහස් වාරයක වර්ධනයක් ඇති කරනු ඇති අතර, මෙම දත්ත විශ්ලේෂණය කළ යුතු අතර, පසුව මෙම විශ්ලේෂණය මත පදනම්ව පියවර ගන්න.
කෙසේ වෙතත්, “දත්ත සුනාමියේ” බලපෑම යටතේ කෘතිම බුද්ධිය වර්ධනය කිරීම ද විවිධ ප්‍රතිවිරෝධතාවන්ට මුහුණ දී සිටී. කෘතිම බුද්ධිය වර්ධනය කිරීමේදී පරස්පර අරමුණු දෙකක් ජෝසප් සඳහන් කළේය.
එක් ඉලක්කයක් නම්, මෙතරම් විශාල දත්ත ප්‍රමාණයක් සමඟ සාර්ථකව කටයුතු කිරීම සඳහා දත්ත මධ්‍යස්ථානයේ හැකියාවන් අඛණ්ඩව ශක්තිමත් කිරීමට බොහෝ දෙනෙකුට අවශ්‍ය වීමයි. එබැවින් අලිබබා සහ ඇමේසන් වැනි සමාගම් විශාල දත්ත ප්‍රමාණයක් පුහුණු කිරීම සඳහා මෙම එන්ජිම භාවිතා කරන AI ආශ්‍රිත එන්ජින් සංවර්ධනය කරමින් සිටී.
අනෙක් අතට, සමහර සමාගම්වල පරමාර්ථය වඩ වඩාත් සැකසුම් බලය වලාකුළ අද්දරට තල්ලු කිරීම වන අතර එමඟින් දත්ත මධ්‍යස්ථානයේ සංවර්ධනය කෙරෙහි යම් පීඩනයක් නිකුත් කරයි.
එකල වෙළඳපල කඩාවැටීමේ වටයේදී බොහෝ අර්ධ සන්නායක සමාගම් ඒකාබද්ධ වීමට පටන් ගත්හ; කර්මාන්තයේ සුළං ප්‍රාග්ධනය සඳහා වන ආකර්ශනීය ආයෝජනය ද බෙහෙවින් අඩු විය; ක්‍රියාවලි සංවර්ධනයේ තාක්‍ෂණික පර්යේෂණ සහ සංවර්ධනය සහ අනෙකුත් අංශ ද එකතැන පල් වී මන්දගාමී වී ඇත.
කෙසේ වෙතත්, අර්ධ සන්නායක කර්මාන්තය දැන් නව පෙරළියක් දැක තිබේ. Ji Wei.com වැනි වාර්තාකරුවන් සමඟ සම්මුඛ සාකච්ඡාවකට එක්වෙමින් උපදේශක IC EDA හි විධායක උප සභාපති ජෝශප් සැවිකි මහතා පැවසුවේ කෘතිම බුද්ධිය සහ යන්ත්‍ර ඉගෙනීම වැනි නව තාක්ෂණයන් උත්තේජනය කිරීම යටතේ කර්මාන්තය නැවත අවස්ථාවන්ගෙන් පිරී ඇති බවයි.
කෘතිම බුද්ධිය බොහෝ සිරස් ප්‍රදේශවලට යොදා ගත හැකි බව මැකින්සි වාර්තාවක් පෙන්වා දී ඇති අතර එමඟින් අර්ධ සන්නායක සමාගම්වලට මෙම තාක්‍ෂණික කොටස් වලින් මුළු වටිනාකමෙන් 40 සිට 50% දක්වා ප්‍රමාණයක් ලබා ගත හැකිය. අර්ධ සන්නායක කර්මාන්තයේ තවත් වසර 10 ක වර්ධන චක්‍රයක් සඳහා කෘතිම බුද්ධිය ප්‍රබල උත්ප්‍රේරකයක් වනු ඇති බව ජෝසප් පැවසීය. නමුත් මෙම ප්‍රවණතාවය සැබවින්ම සාක්ෂාත් කර ගැනීම සඳහා, ආධාරකයක් ලෙස දත්ත විශාල ප්‍රමාණයක් අවශ්‍ය වේ.
"ප්‍රමාණවත් දත්ත සමඟ, ඔබට පුරෝකථනය කළ හැකිය, එවිට ඔබට ඔබේ යන්ත්රය ඉතා විශ්වාසදායක ලෙස පුහුණු කළ හැකි අතර යන්ත්‍රයට learn ලදායී ලෙස ඉගෙනීමට ඉඩ දෙන්න." අධිවේගී සන්නිවේදනය සඳහා අවශ්‍ය හා නිර්මාණය කරන ලද දත්ත ප්‍රමාණය ඉදිරි වසර 12 තුළ ඉහළ යනු ඇතැයි ජෝසප් වැඩිදුරටත් පැවසීය. එය දහස් වාරයක වර්ධනයක් ඇති කරනු ඇති අතර, මෙම දත්ත විශ්ලේෂණය කළ යුතු අතර, පසුව මෙම විශ්ලේෂණය මත පදනම්ව පියවර ගන්න.
කෙසේ වෙතත්, “දත්ත සුනාමියේ” බලපෑම යටතේ කෘතිම බුද්ධිය වර්ධනය කිරීම ද විවිධ ප්‍රතිවිරෝධතාවන්ට මුහුණ දී සිටී. කෘතිම බුද්ධිය වර්ධනය කිරීමේදී පරස්පර අරමුණු දෙකක් ජෝසප් සඳහන් කළේය.
එක් ඉලක්කයක් නම්, මෙතරම් විශාල දත්ත ප්‍රමාණයක් සමඟ සාර්ථකව කටයුතු කිරීම සඳහා දත්ත මධ්‍යස්ථානයේ හැකියාවන් අඛණ්ඩව ශක්තිමත් කිරීමට බොහෝ දෙනෙකුට අවශ්‍ය වීමයි. එබැවින් අලිබබා සහ ඇමේසන් වැනි සමාගම් විශාල දත්ත ප්‍රමාණයක් පුහුණු කිරීම සඳහා මෙම එන්ජිම භාවිතා කරන AI ආශ්‍රිත එන්ජින් සංවර්ධනය කරමින් සිටී.
අනෙක් අතට, සමහර සමාගම්වල පරමාර්ථය වඩ වඩාත් සැකසුම් බලය වලාකුළ අද්දරට තල්ලු කිරීම වන අතර එමඟින් දත්ත මධ්‍යස්ථානයේ සංවර්ධනය කෙරෙහි යම් පීඩනයක් නිකුත් කරයි.
එජ් පරිගණකයේ චිප සංවර්ධනය දත්ත මධ්‍යස්ථානයට අවශ්‍ය චිපය ඉක්මවා යයි. ට්‍රැක්ටිකාට අනුව, 2016 සිට 2021 දක්වා, දාරයට සම්බන්ධ උපාංගවල සංයුක්ත වාර්ෂික වර්ධන වේගය 190% තරම් ඉහළ අගයක් ගනී.
අර්ධ සන්නායක කර්මාන්තයේ වර්ධනය සඳහා ප්‍රධාන එන්ජිම වන්නේ සමීප පරිගණක / සැකසුම් බව ජෝසප් පැවසීය. බොහෝ ප්‍රදේශවල විශේෂිත යෙදුම් සඳහා ප්‍රශස්ත චිප කාර්ය සාධනයක් ලබා ගැනීම සඳහා ප්‍රශස්ත චිප මෝස්තර අවශ්‍ය වන බැවින්, මෙය උපදේශක වැනි EDA මෙවලම් වෙළෙන්දන්ට අවස්ථාවක් වනු ඇත.
එජ් කම්පියුටින් AI හි චිප් නිර්මාණය බොහෝ විට නිශ්චිත ගෘහ නිර්මාණ සංවර්ධන අවශ්‍යතා අනුව අර්ථ දක්වා ඇති බව ජෝසප් අවධාරණය කරයි. එබැවින් වර්තමාන AI සංවර්ධන වේදිකාව පෙර පැවති සංවර්ධන පරිසරයට වඩා සම්පූර්ණයෙන්ම වෙනස් ය.
මේ සම්බන්ධයෙන්, ජෝසප් විසින් AI ක්ෂේත්‍රය සඳහා විශේෂයෙන් උපදේශකයාගේ චිප් සැලසුම් මෙවලම් හඳුන්වා දෙන ලදී:
lHLS (ඉහළ මට්ටමේ සංස්ලේෂණය): NVIDIA උදාහරණයක් ලෙස ගන්න. මෙම මෙවලම භාවිතා කිරීමෙන් ඔබට tivity ලදායිතාව දෙගුණයකින් සහ සත්යාපන පිරිවැය 80% කින් වැඩි කළ හැකිය.
lHierarchicl පරීක්ෂණය: පාරිභෝගිකයින්ට produc ලදායිතාව තවදුරටත් ඉහළ නැංවීමට සහ පිරිවැය අඩු කිරීමට උපකාරී වේ. ග්‍රැෆ්කෝර්ගේ ගනුදෙනුකරු උදාහරණයක් ලෙස ගත් විට, මෙම මෙවලම භාවිතා කිරීමෙන් ඩීඑෆ්ටී produc ලදායිතාව 4 ගුණයකින් වැඩි කර ඇති අතර, පරීක්ෂණ හුවමාරුවේ වේගය බෙහෙවින් වැඩි දියුණු කර ඇති අතර සැබෑ දත්ත මත පදනම්ව සැලසුම් කාලය දින 3 දක්වා කෙටි කර ඇත.
lOPC තාක්‍ෂණය: අර්ධ සන්නායක නිෂ්පාදනයේදී භාවිතා කරනු ලැබේ, එක් වෙස් මුහුණක් නිෂ්පාදනය කිරීම සඳහා 7nm පදනමක් මත එක් දිනක් ධාවනය කිරීමට CPU 4,000 ක් අවශ්‍ය වේ, නමුත් ඔබ යන්ත්‍ර ඉගෙනීමේ ඇල්ගොරිතම භාවිතා කරන්නේ නම්, ඔබට ධාවන කාලය 3-4 ගුණයකින් අඩු කළ හැකිය.
lLFD (ලිතොග්‍රැෆික් හිතකාමී) තාක්‍ෂණය: අස්වැන්න සීමා සාධකය සැලකිය යුතු ලෙස අඩු කරන අතර නිෂ්පාදනයේ 10 ගුණයක ධාවන කාලය අඩු කරයි. නිෂ්පාදන ක්‍රියාවලියේ අඩුපාඩු හඳුනා ගැනීමට පමණක් නොව, අඩුපාඩු පුරෝකථනය කිරීමට ද හැකිය.
lDeposition මෙවලම: නිෂ්පාදනයේ හෝ සංරචකයේ අසමත් වීමේ ගැටළුව විසඳන අතර නිෂ්පාදනයේ ගුණාත්මකභාවය සහ කාර්යක්ෂමතාව වැඩි දියුණු කරයි.
මීට අමතරව, උපදේශක විසින් මෝටර් රථ කර්මාන්තය සඳහා චරිතකරණ තාක්‍ෂණික වේදිකාවක් සපයන අතර, සමස්ත විශ්වසනීයත්වය සහ ආරක්ෂාව පිළිබඳ සවිස්තරාත්මක විශ්ලේෂණයක් සපයයි, AI සමඟ සංයෝජනය වී චරිත ලක්ෂණ වල ධාවන කාලය 100 කින් අඩු කරයි. PAVE 360 Autopilot Simulator ද අඛණ්ඩව තාත්වික අනුකරණය කරයි අථත්ය යන්ත්රය යටතේ ලෝක තත්වයන්, සත්යාපන කාලය තවදුරටත් අඩු කරයි.
අනාගත ස්මාර්ට් චිප්ස් කැපවී හෝ නම්‍යශීලී වුවත්, කර්මාන්තයට විවිධ හ. ඇත. නමුත් ජෝසප් මයික්‍රොනෙට් වාර්තාකරුට පැවසුවේ EDA යනු මධ්‍යස්ථ මෙවලමක් බවයි. අනාගතයේ දී, උපදේශකයා විසින් පාරිභෝගිකයින්ට ඔවුන්ගේ මෘදුකාංග විශේෂිත පරිසරයන් තුළ ආකෘතිකරණය හා සංවර්ධනය කිරීම සඳහා මෙවලම් භාවිතා කළ හැකි විශාල පරිසරයක් ලබා දෙනු ඇත. EDA සමාගමක් ලෙස උපදේශකයා ඉදිරිපත් කරන වැදගත්ම වටිනාකම මෙයයි.
අර්ධ සන්නායක කර්මාන්තයේ වර්ධනය සඳහා ප්‍රධාන එන්ජිම වන්නේ සමීප පරිගණක / සැකසුම් බව ජෝසප් පැවසීය. බොහෝ ප්‍රදේශවල විශේෂිත යෙදුම් සඳහා ප්‍රශස්ත චිප කාර්ය සාධනයක් ලබා ගැනීම සඳහා ප්‍රශස්ත චිප මෝස්තර අවශ්‍ය වන බැවින්, මෙය උපදේශක වැනි EDA මෙවලම් වෙළෙන්දන්ට අවස්ථාවක් වනු ඇත.
එජ් කම්පියුටින් AI හි චිප් නිර්මාණය බොහෝ විට නිශ්චිත ගෘහ නිර්මාණ සංවර්ධන අවශ්‍යතා අනුව අර්ථ දක්වා ඇති බව ජෝසප් අවධාරණය කරයි. එබැවින් වර්තමාන AI සංවර්ධන වේදිකාව පෙර පැවති සංවර්ධන පරිසරයට වඩා සම්පූර්ණයෙන්ම වෙනස් ය.
මේ සම්බන්ධයෙන්, ජෝසප් විසින් AI ක්ෂේත්‍රය සඳහා විශේෂයෙන් උපදේශකයාගේ චිප් සැලසුම් මෙවලම් හඳුන්වා දෙන ලදී:
lHLS (ඉහළ මට්ටමේ සංස්ලේෂණය): NVIDIA උදාහරණයක් ලෙස ගන්න. මෙම මෙවලම භාවිතා කිරීමෙන් ඔබට tivity ලදායිතාව දෙගුණයකින් සහ සත්යාපන පිරිවැය 80% කින් වැඩි කළ හැකිය.
lHierarchicl පරීක්ෂණය: පාරිභෝගිකයින්ට produc ලදායිතාව තවදුරටත් ඉහළ නැංවීමට සහ පිරිවැය අඩු කිරීමට උපකාරී වේ. ග්‍රැෆ්කෝර්ගේ ගනුදෙනුකරු උදාහරණයක් ලෙස ගත් විට, මෙම මෙවලම භාවිතා කිරීමෙන් ඩීඑෆ්ටී produc ලදායිතාව 4 ගුණයකින් වැඩි කර ඇති අතර, පරීක්ෂණ හුවමාරුවේ වේගය බෙහෙවින් වැඩි දියුණු කර ඇති අතර සැබෑ දත්ත මත පදනම්ව සැලසුම් කාලය දින 3 දක්වා කෙටි කර ඇත.
lOPC තාක්‍ෂණය: අර්ධ සන්නායක නිෂ්පාදනයේදී භාවිතා කරනු ලැබේ, එක් වෙස් මුහුණක් නිෂ්පාදනය කිරීම සඳහා 7nm පදනමක් මත එක් දිනක් ධාවනය කිරීමට CPU 4,000 ක් අවශ්‍ය වේ, නමුත් ඔබ යන්ත්‍ර ඉගෙනීමේ ඇල්ගොරිතම භාවිතා කරන්නේ නම්, ඔබට ධාවන කාලය 3-4 ගුණයකින් අඩු කළ හැකිය.
lLFD (ලිතොග්‍රැෆික් හිතකාමී) තාක්‍ෂණය: අස්වැන්න සීමා සාධකය සැලකිය යුතු ලෙස අඩු කරන අතර නිෂ්පාදනයේ 10 ගුණයක ධාවන කාලය අඩු කරයි. නිෂ්පාදන ක්‍රියාවලියේ අඩුපාඩු හඳුනා ගැනීමට පමණක් නොව, අඩුපාඩු පුරෝකථනය කිරීමට ද හැකිය.
lDeposition මෙවලම: නිෂ්පාදනයේ හෝ සංරචකයේ අසමත් වීමේ ගැටළුව විසඳන අතර නිෂ්පාදනයේ ගුණාත්මකභාවය සහ කාර්යක්ෂමතාව වැඩි දියුණු කරයි.
මීට අමතරව, උපදේශක විසින් මෝටර් රථ කර්මාන්තය සඳහා චරිතකරණ තාක්‍ෂණික වේදිකාවක් සපයන අතර, සමස්ත විශ්වසනීයත්වය සහ ආරක්ෂාව පිළිබඳ සවිස්තරාත්මක විශ්ලේෂණයක් සපයයි, AI සමඟ සංයෝජනය වී චරිත ලක්ෂණ වල ධාවන කාලය 100 කින් අඩු කරයි. PAVE 360 Autopilot Simulator ද අඛණ්ඩව තාත්වික අනුකරණය කරයි අථත්ය යන්ත්රය යටතේ ලෝක තත්වයන්, සත්යාපන කාලය තවදුරටත් අඩු කරයි.
අනාගත ස්මාර්ට් චිප්ස් කැපවී හෝ නම්‍යශීලී වුවත්, කර්මාන්තයට විවිධ හ. ඇත. නමුත් ජෝසප් මයික්‍රොනෙට් වාර්තාකරුට පැවසුවේ EDA යනු මධ්‍යස්ථ මෙවලමක් බවයි. අනාගතයේ දී, උපදේශකයා විසින් පාරිභෝගිකයින්ට ඔවුන්ගේ මෘදුකාංග විශේෂිත පරිසරයන් තුළ ආකෘතිකරණය හා සංවර්ධනය කිරීම සඳහා මෙවලම් භාවිතා කළ හැකි විශාල පරිසරයක් ලබා දෙනු ඇත. EDA සමාගමක් ලෙස උපදේශකයා ඉදිරිපත් කරන වැදගත්ම වටිනාකම මෙයයි.