سينوبسيس تقدم التحقق المساعد بالعتاد للرقائق

تم تسليط الضوء على سينوبسيس تقدم التحقق المساعد بالعتاد للرقائق من قبل BTW Media لأن الأدلة المنشورة تربطها بالبنية التحتية للإنترنت أو الحوكمة أو التبعيات التشغيلية أو رؤية السوق.

• أعلنت شركة سينوبسيس عن نظام تحقق مدعوم بالعتاد ومعرّف بالبرمجيات مصمم لتسريع تطوير رقاقات الذكاء الاصطناعي.
• يهدف النهج إلى مساعدة شركات أشباه الموصلات في التحقق من صحة المعالجات المعقدة بشكل أكثر كفاءة مع توسع أعباء عمل الذكاء الاصطناعي.

ما حدث

أعلنت شركة سينوبسيس، المتخصصة في برمجيات تصميم الرقاقات، عن نهج تحقق جديد يهدف إلى دعم الطلب المتزايد على أجهزة الذكاء الاصطناعي. تقدم الشركةالتحقق المدعوم بالعتاد والمعرّف بالبرمجياتلمساعدة المطورين على اختبار والتحقق من صحة بنى الرقاقات المتزايدة التعقيد.

التحقق هو مرحلة حاسمة في تصميم أشباه الموصلات. يجب على المهندسين التأكد من أن الرقاقة تتصرف تمامًا كما هو مقصود قبل أن تصل إلى مرحلة التصنيع. تصبح هذه العملية أكثر صعوبة مع تطور المعالجات لتصبح أكثر تطورًا، خاصة تلك المصممة لأعباء عمل الذكاء الاصطناعي.

قالت سينوبسيس إن نظامها الجديد يجمع بين أدوات التحقق القائمة على البرمجيات مع تسريع العتاد المتخصص. الهدف هو السماح للمهندسين بتشغيل عمليات محاكاة واسعة النطاق وتحديد المشكلات المحتملة في وقت مبكر من عملية التصميم.

أضافت تطبيقات الذكاء الاصطناعي ضغطًا جديدًا على دورات تطوير الرقاقات. غالبًا ما تتطلب معالجات الذكاء الاصطناعي بنى متخصصة وأداء عاليًا للغاية، مما قد يزيد من تعقيد التصميم.

لذلك، يجب على الشركات التي تطور رقاقات الذكاء الاصطناعي - من الشركات الناشئة إلى شركات التكنولوجيا الكبرى - اختبار أعداد هائلة من السيناريوهات قبل الالتزام بالتصنيع. أي خلل يُكتشف بعد التصنيع يمكن أن يؤدي إلى تأخيرات مكلفة.

تضع سينوبسيس نهج التحقق الجديد كطريقة لتبسيط هذه العملية. من خلال دمج قدرات اختبار البرمجيات والعتاد، تقول الشركة إن مصممي الرقاقات يمكنهم توسيع نطاق أعباء عمل التحقق بشكل أكثر فعالية.

اقرأ أيضًا:https://btw.media/en/allit-infrastructure/nexperia-china-claims-12-inch-wafer-chip-production/

لماذا هو مهم

يسلط الإعلان الضوء على تحدٍ رئيسي يواجه صناعة أشباه الموصلات. مع توسع الذكاء الاصطناعي، تصبح بنى الرقاقات أكثر تخصصًا وتعقيدًا. وهذا يزيد من خطر أخطاء التصميم ويطيل دورات التطوير.

يشكل التحقق بالفعل حصة كبيرة من وقت وتكلفة تطوير الرقاقات. لذلك، يمكن للأدوات التي تسرع الاختبار أن تلعب دورًا مهمًا في دعم النظام البيئي الأوسع للذكاء الاصطناعي.

ومع ذلك، ستعتمد فوائد تقنيات التحقق الجديدة على مدى اعتمادها على نطاق واسع. إن تدفقات تصميم أشباه الموصلات معقدة، وغالبًا ما تعتمد الشركات على أدوات وعمليات راسخة.

هناك أيضًا القضية الأوسع المتمثلة في الطلب المتزايد بسرعة على رقاقات الذكاء الاصطناعي. شركات التكنولوجيا ومزودو الخدمات السحابية والمؤسسات البحثية يتسابقون جميعًا لبناء معالجات جديدة قادرة على التعامل مع أعباء عمل التعلم الآلي.

إذا لم تتمكن أدوات التحقق من مواكبة هذا الطلب، فقد يصبح تطوير الرقاقات عنق زجاجة في سلسلة توريد الذكاء الاصطناعي.

يعكس نهج سينوبسيس الجديد محاولة الصناعة لمعالجة هذا الخطر. لكنه يؤكد أيضًا على حقيقة أعمق: أن البنية التحتية وراء الذكاء الاصطناعي - من تصميم الرقاقات إلى التصنيع - لا تزال شديدة التعقيد وكثيفة رأس المال.

اقرأ أيضًا:https://btw.media/en/allit-infrastructure/global-data-centre-investment-set-to-soar-to-3t/