{"id":54550,"date":"2022-03-25T17:35:14","date_gmt":"2022-03-25T17:35:14","guid":{"rendered":"https:\/\/teknomers.com\/es\/google-utilizara-el-aprendizaje-profundo-para-disenar-sus-chips\/"},"modified":"2022-03-25T17:35:23","modified_gmt":"2022-03-25T17:35:23","slug":"google-utilizara-el-aprendizaje-profundo-para-disenar-sus-chips","status":"publish","type":"post","link":"https:\/\/teknomers.com\/es\/google-utilizara-el-aprendizaje-profundo-para-disenar-sus-chips\/","title":{"rendered":"Google utilizar\u00e1 el aprendizaje profundo para dise\u00f1ar sus chips"},"content":{"rendered":"


\n<\/p>\n

\n

Varios investigadores de la Universidad de California, Berkeley y Google AI afirman haber encontrado una forma de aprovechar la inteligencia artificial (IA) para dise\u00f1ar chips cada vez m\u00e1s peque\u00f1os con mayor rapidez. En un entrada en el blog<\/a> publicado por la subsidiaria de Google, los expertos dijeron que hab\u00edan desarrollado un algoritmo de aprendizaje profundo para lograrlo.<\/p>\n

Un paso hacia el uso de la inteligencia artificial para la industria de los semiconductores<\/h2>\n

Mientras el mundo se encuentra en medio de una escasez de semiconductores, varios cient\u00edficos est\u00e1n tratando de reducir el tiempo de fabricaci\u00f3n de los chips electr\u00f3nicos. El proceso practicado principalmente por los gigantes de los semiconductores implica hasta 1.400 pasos. A veces se necesitan hasta 20 semanas para fabricar los chips m\u00e1s eficientes, grabados en 5 o 7 nan\u00f3metros, es decir, 10-9<\/sup> Se\u00f1or.<\/p>\n

\nEn la misma categor\u00eda<\/span><\/p>\n
\n
\n\"Un <\/div>\n
\n

Amazon lanza AWS for Games para desarrolladores de juegos<\/h2>\n<\/div>\n<\/article>\n<\/div>\n

El a\u00f1o pasado, IBM dio un paso m\u00e1s al desarrollar con \u00e9xito un chip grabado en 2nm. Con el deseo de reducir el tama\u00f1o de los chips y hacerlos m\u00e1s eficientes, las empresas se ven obligadas a desarrollar nuevas t\u00e9cnicas de fabricaci\u00f3n cada vez m\u00e1s sofisticadas.<\/p>\n

Con su \u00e1rea de especializaci\u00f3n, Google AI ya ha pensado en el dise\u00f1o de componentes electr\u00f3nicos a trav\u00e9s de IA. El a\u00f1o pasado, Mountain View afirm\u00f3 que pod\u00eda desarrollar chips en solo seis horas utilizando el aprendizaje autom\u00e1tico. Este proceso tiene como objetivo entrenar un modelo para que gane en madurez y pueda reproducir correctamente un proceso hasta el nan\u00f3metro.<\/p>\n

Unos meses despu\u00e9s, los investigadores de la subsidiaria de Google, Amir Yazdanbakhsh y Aviral Kumar, continuaron trabajando en el uso de IA en los procesos de fabricaci\u00f3n de chips. Dise\u00f1aron el modelo PRIME, basado en el aprendizaje profundo.<\/p>\n

Aprendizaje profundo en el centro del modelo PRIME desarrollado por Google AI<\/h2>\n

Al dise\u00f1ar componentes electr\u00f3nicos, es necesario utilizar patrones. Ayudan a evitar errores durante el proceso de creaci\u00f3n del chip. El modelo PRIME permite, gracias a los datos que le ofrece, generar arquitecturas de chips electr\u00f3nicos sin tener que utilizar estos patrones. Un ahorro de tiempo, utilizado para reutilizar los datos utilizados en una sesi\u00f3n de fabricaci\u00f3n anterior al instante.<\/p>\n

\"C\u00f3mo\"C\u00f3mo<\/p>\n

Gracias al enfoque PRIME, es posible dise\u00f1ar chips con hasta un 50 % menos de latencia que los chips fabricados tradicionalmente. Imagen: IA de Google.<\/p>\n<\/div>\n

A partir de los datos proporcionados por los investigadores, PRIME tiene en cuenta tanto los chips correctamente fabricados, aquellos con mejores caracter\u00edsticas de rendimiento, como tambi\u00e9n las imperfecciones, para evitar cometer los mismos errores. Los datos que condujeron al dise\u00f1o de un chip de alto rendimiento son removilizados por el modelo para ofrecer un chip que es un poco m\u00e1s eficiente, o al menos igual de eficiente.<\/p>\n<\/div>\n


\n
ttn-es-4<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Varios investigadores de la Universidad de California, Berkeley y Google AI afirman haber encontrado una forma de aprovechar<\/p>\n","protected":false},"author":1,"featured_media":54551,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[13819,9305,16495,8666,18,16021,251,35718],"class_list":["post-54550","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-general","tag-aprendizaje","tag-chips","tag-disenar","tag-google","tag-para","tag-profundo","tag-sus","tag-utilizara"],"_links":{"self":[{"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/posts\/54550","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/comments?post=54550"}],"version-history":[{"count":0,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/posts\/54550\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/media\/54551"}],"wp:attachment":[{"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/media?parent=54550"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/categories?post=54550"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/teknomers.com\/es\/wp-json\/wp\/v2\/tags?post=54550"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}