ایم ایل آٹوموٹیو چپ ڈیزائن کا آغاز

آٹوموبائل میں چپس اور الیکٹرانکس کے وسیع پیمانے پر مشین لرننگ کو تیزی سے تعینات کیا جا رہا ہے، دونوں معیاری حصوں کی وشوسنییتا کو بہتر بنانے اور تیزی سے خود مختار ایپلی کیشنز میں استعمال ہونے والے انتہائی پیچیدہ AI چپس کی تخلیق کے لیے۔

ڈیزائن کی طرف، آج کل EDA ٹولز کی اکثریت کمک سیکھنے پر انحصار کرتی ہے، AI کا ایک مشین لرننگ سب سیٹ جو ایک مشین کو سکھاتا ہے کہ پیٹرن کی شناخت کی بنیاد پر ایک مخصوص کام کو کیسے انجام دیا جائے۔ AI چپس میں تصویر کی شناخت کے برعکس، جو کہ بڑے پیمانے پر ڈیٹا سیٹس کی تربیت پر مبنی ہے، مشین لرننگ ڈیٹا کی بہت چھوٹی مقداروں کا استعمال کرتے ہوئے تیزی سے درست نتائج دے سکتی ہے۔ Synopsys، Cadence، Siemens، اور دیگر سبھی نے اپنے ٹولز میں کمک سیکھنے کو قبول کیا ہے، اور ان کے آٹوموٹیو صارفین بہتر کارکردگی پیش کرنے اور حفاظت کے سخت اہداف کو پورا کرنے والی چپس کے لیے مارکیٹ میں بہتر وقت کی طرف اشارہ کرتے ہیں۔

"ان پیچیدہ چپس کی توثیق حفاظت اور فعالیت کو یقینی بنانے کے لیے بھی ضروری ہے لہذا آج کے جدید ترین ٹولز AI/ML کا استعمال کرتے ہوئے جانچ میں کوریج سوراخوں کی خود کار طریقے سے دریافت کرتے ہیں اور یہ یقین دہانی کراتے ہیں کہ پراکسی خلاء اور پراکسی ایلوسیو بگز کا پتہ لگایا جاتا ہے کہ اگر پتہ نہ لگایا گیا تو تباہ کن ہو سکتا ہے۔ فیلڈ"، تھامس اینڈرسن، نائب صدر برائے AI اور مشین لرننگ نے کہا Synopsys. انہوں نے نوٹ کیا کہ طاقت، کارکردگی، اور علاقے کی ضروریات کو پورا کرنے کے علاوہ، مشین لرننگ فالتو آن چپ فعالیت کے لیے تقسیم اور وقفہ کاری کی ضروریات کا تعین کرنے میں مدد کر سکتی ہے۔

آج، گاڑیوں کے لیے چپس بنانے میں استعمال ہونے والی مشین لرننگ کی مقدار، اور ان گاڑیوں میں AI کا استعمال بڑھ رہا ہے۔ یہ کتنی تیزی سے بدل جائے گا یہ قیاس کی بات ہے، لیکن رجحانات واضح ہیں۔

ہائبرڈ فزیکل اور ورچوئل سسٹمز آٹوموٹیو اور مل ایرو کے نائب صدر ڈیوڈ فرٹز نے کہا، "آج کے لیے ایک جواب ہے، اور چند سالوں میں ایک جواب ہے، اور وہ بہت مختلف ہیں۔" سیمنز ڈیجیٹل انڈسٹریز سافٹ ویئر. "ہم سسٹم کی تلاش کے ساتھ شروع کرتے ہیں، اور ایسا کرنے کے لیے ٹولز موجود ہیں۔ وہ اس پیچیدہ جگہ کی تلاش کی اجازت دیتے ہیں، اور نظام کیسا لگتا ہے۔ مثال کے طور پر، ECUs کس طرح نظر آتے ہیں؟ سافٹ ویئر کہاں چلنا چاہئے؟ ماضی میں یہ کہنا بہت آسان تھا کہ 'یہاں ایک MATLAB ماڈل ہے جو فنکشنلٹی کو ماڈل کرتا ہے،' بٹن دبائیں، کچھ C کوڈ تیار کریں، اور آپ کا کام ہو گیا۔ مسئلہ یہ ہے کہ پورا خودکار عمل ختم ہوچکا ہے۔ یہ صرف اس لیے کام نہیں کرتا کیونکہ کار کی پیچیدگی کی وجہ سے کمپیوٹ کی ضروریات چارٹ سے بہت دور ہیں۔"

بہترین ماڈل، جو اب تیزی سے پرانا ہوتا جا رہا ہے، V خاکہ ہے۔ "ایسا ہوتا تھا کہ آپ اسے کم سے کم اکائیوں تک سڑ سکتے ہیں، ماڈل سے سی کوڈ کا تھوڑا سا تیار کر سکتے ہیں، اسے ایک ساتھ رکھ سکتے ہیں، اور دیکھو، یہ کام کرتا ہے،" فرٹز نے کہا۔ "مسئلہ یہ ہے کہ جب پیچیدگی کی ایک خاص سطح تک پہنچ جائے تو یہ مزید کام نہیں کرتا، کیونکہ جب آپ پہیلی کے تمام ٹکڑوں کو ایک ساتھ ڈالتے ہیں تو آپ کو معلوم ہوتا ہے کہ آپ کو چار کونوں میں سے دو اور درمیان میں کئی ٹکڑے غائب ہیں۔ لاپتہ ہیں. آج جو کچھ ہو رہا ہے وہ تقاضوں کو لینے اور بنیادی طور پر اس بات کی نشاندہی کرنے کا عمل ہے کہ ممکنہ نظام کا فن تعمیر کیسا نظر آئے گا، پھر اس کی نقالی کرنا اور اس کی پیمائش کرنا۔ پھر، ان پیمائشوں کو لے کر، تقاضوں کے خلاف ان کا موازنہ کرنا، اور اشتھاراتی متلی کو دہرانا۔"

ٹول سائیڈ پر، مشین لرننگ پر توجہ مرکوز کی جا سکتی ہے، لیکن گاڑیوں میں مکمل AI بالآخر خود مختار فعالیت کو سنبھالنے کے لیے درکار ہوگا۔ سیکورٹی آئی پی کے ٹیکنیکل پروڈکٹ مینیجر تھیری کوتھون نے کہا، "ای ڈی اے وینڈرز کو ایس او سی کی ترقی کے بہاؤ کو بہتر بنانے، خودکار بنانے اور تیز کرنے کے لیے [ML] کے لیے نئی ایپلی کیشنز ملی ہیں۔" ریمبس. "نچلے جیومیٹریوں میں بڑھتی ہوئی کثافت، کم تاخیر کی ضروریات، اربوں دروازوں کے ساتھ ہائپر اسکیل ڈیزائن، اور وقت سے مارکیٹ کے دباؤ کی وجہ سے چپ ڈیزائن تیزی سے پیچیدہ ہوتا جا رہا ہے۔ نتیجے کے طور پر، اس کے لیے نفیس مہارت کی ضرورت ہے جو تیزی سے نایاب ہو سکتی ہے، اور جارحانہ نظام الاوقات کو پورا کرنے کے لیے خاطر خواہ سرمایہ کاری کی ضرورت ہوگی۔

EDA وینڈرز نے SoCs کو ڈیزائن اور تیار کرنے کے طریقے کو بہتر بنانے کے لیے کمک سیکھنے کو تعینات کیا ہے۔ "یہ آج SoC ڈیزائن کے بہاؤ کے کئی شعبوں میں استعمال ہوتا ہے، جیسے منطق کی ترکیب، تصدیق، جگہ کا تعین، روٹنگ، 3D انضمام، اور ٹیسٹ کے لیے ڈیزائن،" Kouthon نے کہا، EDA کمپنیاں کمک سیکھنے کو فروغ دے رہی ہیں تاکہ اس کو تیز اور بہتر بنایا جا سکے۔ ASIC ڈیزائن کے بہاؤ کے معیار کے ساتھ ساتھ سیمی کنڈکٹر پروجیکٹ میں شامل وسائل کی مقدار کو کم کرنا۔

پچھلے کئی مہینوں کے دوران، تقریباً تمام بڑے EDA وینڈرز نے مشین لرننگ کی کسی نہ کسی سطح کو اپنا لیا ہے، اور وہ مزید متعلقہ ڈیٹا اکٹھا کرنے کے ساتھ ہی AI کی دنیا میں آگے بڑھ رہے ہیں۔ ڈیجیٹل اینڈ سائن آف گروپ میں پروڈکٹ مینجمنٹ گروپ کے ڈائریکٹر راب ناتھ نے کہا، "جبکہ ہمارے سامنے اب بھی ایک بڑا موقع ہے، اور بڑی مقدار میں جدت جو ممکن ہے، یہ ابھی بند ہونا شروع ہو رہا ہے۔" Cadence سے. "آپ کو صرف اخبار کھولنا ہے یا کچھ رپورٹس پڑھنی ہیں۔ اگر آپ دیکھتے ہیں کہ Tesla اپنے Dojo سپر کمپیوٹر کے ساتھ کیا کرتا ہے، تو آپ دیکھیں گے کہ وہ مجموعی نظام کس طرح نہ صرف AI سے، بلکہ AI سے متاثر ہوتا ہے، اس کی دیکھ بھال کرتا ہے اور ڈیزائن کیا جاتا ہے۔ چپ ناقابل یقین حد تک اہم ہے، لیکن چپ صرف اس حد تک اہم ہے جہاں تک کار کے سیاق و سباق یا ڈیٹا سینٹر کے تناظر میں ہو۔ اور ڈیٹا کی بڑی مقدار جو کہ معیار اور وشوسنییتا کو بہتر بنانے، فعال حفاظتی خدشات کو دور کرنے کے لیے آٹوموٹو فنکشنز کو انجام دینے کے لیے درکار ہوتی ہے — یہ تمام چیزیں ایک ساتھ رقص کر رہی ہیں۔ یہ تنہائی میں ایک ٹکڑا نہیں ہے، اور یہ حقیقی خوبصورتی اور صلاحیت ہے جو صرف کھلنا شروع ہو رہی ہے۔

AI/ML آٹوموٹو ڈیزائن کے عمل کے متعدد حصوں میں اہم کردار ادا کر سکتا ہے۔

"ایک طرف، آپ آٹوموٹو سے متعلق مخصوص چیزوں کے بارے میں بات کر سکتے ہیں، لیکن دوسری طرف، آپ پیچھے ہٹ کر کہہ سکتے ہیں، 'کار کے لیے یہ ناقابل یقین حد تک ذہین ایج AI سے چلنے والے آلات بہت سی دوسری قسم کے جدید سیمی کنڈکٹرز سے بہت ملتے جلتے ہیں جو باہر ہیں۔ وہاں،'' ناتھ نے کہا۔ ہماری صارف کانفرنس میں AI اب مستقبل کا موضوع نہیں ہے، [یہ ایک موجودہ موضوع ہے]۔ تمام صنعتوں کی طرف سے اپنے روزمرہ کے کام کرنے کے لیے اسے جارحانہ انداز میں استعمال کیا جا رہا ہے کیونکہ یہ انجینئر کو زیادہ وقت ان کاموں میں گزارنے کی اجازت دیتا ہے جس کے لیے انجینئرز منفرد اور خوبصورتی سے موزوں ہیں — نیت کو دیکھنے کے لیے، رہنمائی کرنے والی چیزوں کو دیکھنا، چیزوں کی کھوج لگانا، مزید فکر کرنا۔ افعال، روزمرہ کے نفاذ کے برخلاف۔ اور AI زیادہ پیچیدہ، زیادہ امتیازی بیسپوک سلکان کے بڑے پھیلاؤ کی اجازت دے رہا ہے۔

دوسرے متفق ہیں۔ "چپ فن تعمیر کے نقطہ نظر سے، جدید آٹوموٹو چپس کو ڈرائیونگ کے پہلوؤں اور حفاظتی خصوصیات کے آٹومیشن کی طرف بہت زیادہ نشانہ بنایا جاتا ہے،" Synopsys' Andersen نے کہا۔ "اس طرح، وہ بنیادی طور پر کار میں موجود AI چپس بن گئے ہیں جو تصاویر، ویڈیو اور مناظر کا تجزیہ کرنے اور حادثے سے بچنے کے لیے یا مکمل خود ڈرائیونگ آٹومیشن کے لیے مناسب کارروائی کرنے کے لیے پیچیدہ CNN افعال کو نافذ کرتے ہیں۔"

آٹوموٹو میں خاص طور پر، کام معیار، وشوسنییتا، اور حفاظت کے ارد گرد مرکوز ہے.

انہوں نے کہا کہ "معیار مینوفیکچرنگ (DPPM) سے نکلنے والے آپ کے خراب حصوں کو کم کرنے کے بارے میں ہے۔" "اعتماد اس بات کو یقینی بنانے کے بارے میں ہے کہ آپ پروڈکٹ کی عمر بھر فعال رہ سکتے ہیں۔ فنکشنل سیفٹی بنیادی طور پر یہ کہہ رہی ہے، 'اگر کوئی چیز ٹوٹ جاتی ہے، تو آئیے اس بات کو یقینی بنائیں کہ ہمیں کوئی نقصان نہ پہنچے۔' ان سب کا تعلق آٹوموٹیو سے ہے، اور ان میں سے ہر ایک میں یا تو ان اہداف کو پورا کرنے میں مدد کے لیے AI کو فعال طور پر استعمال کیا جا رہا ہے، یا ماضی میں ان کی تکمیل کے لیے ان پر AI کا اطلاق کرنے کی صلاحیت موجود ہے۔ ہوشیار جانچیں، عمر بڑھنے کا بہتر تجزیہ کریں، یا آپ جو حفاظتی میکانزم لگاتے ہیں اس کے بارے میں زیادہ ہوشیار، موثر اور موثر بنیں۔"

AI/ML آٹوموٹو کے لیے متعدد ایپلی کیشنز اور ٹولز میں فٹ بیٹھتا ہے، اور وہ اکثر ایک دوسرے کو سپورٹ کرتے ہیں۔ "ترقی کے لیے ہماری تکنیک ایک بڑا کردار ادا کرتی ہے کیونکہ ہم سوچ رہے تھے کہ اس AI کی تصدیق کیسے کی جائے،" فرینک شرمسٹر، نائب صدر حل اور کاروباری ترقی نے کہا۔ آرٹیرس آئی پی. "کیا CNN، DNN، یا جو کچھ بھی استعمال کیا جاتا ہے کے لئے کوئی ساختی تصدیق ہے؟ کیا یہ عملی طور پر ضرب درست طریقے سے کرتا ہے؟ پھر بھی، ایک بار جب آپ نے اس کی تربیت کر لی ہے، تو اس بات کی تصدیق کرنے کے واقعی بہت کم طریقے ہیں کہ آپ کے پاس کوئی آؤٹ لیرز نہیں ہوں گے۔ یہی وجہ ہے کہ گارڈریلز کی ضرورت ہوتی ہے، اور یہیں سے نظاماتی ترقی کے چیلنجز سامنے آتے ہیں۔ آپ کے پاس آپ کا AI کار میں بصارت اور چیزوں کو پہچاننے میں مدد کرتا ہے، لیکن پھر بھی آپ کو اس کی حفاظت کرنی ہوگی، اور ترقی کے نقطہ نظر سے اس کے مناسب طریقے معلوم کریں۔ مکرم تنزلی اگر یہ کوئی ایسی چیز ہے جس کا کوئی مطلب نہیں ہے، تو پھر آپ کسی کو مارے بغیر کس طرح شاندار طریقے سے ناکام یا شاندار طریقے سے گاڑی روکیں گے؟ یہ ایک نظامی سطح پر ترقیاتی عمل کے غور و فکر کا حصہ ہے - AI کو کیسے بچایا جائے۔"

AI تحفظات میں اضافہ
یہ تمام تحفظات تیزی سے اہم ہیں کیونکہ گاڑیوں میں مزید AI/ML شامل کیے جاتے ہیں، اور ان گاڑیوں میں چپس بنانے کے لیے استعمال ہوتے ہیں۔

Synopsys میں آٹوموٹیو آئی پی کے سینئر مارکیٹنگ مینیجر رون ڈی جیوسیپ، AI کے استعمال کو مسلسل دیکھتے ہیں۔ "موبلٹی سپیکٹرم ہے، ADAS لیول 2، لیول 2+، لیول 3، لیول 4، لیول 5 سے لے کر مکمل خود ڈرائیونگ۔ لیول 2 ADAS آٹومیشن کے اس ADAS زمرے میں - جو وہ ایپلی کیشنز ہیں جو اب کاروں میں لگائی گئی ہیں، بشمول انکولی کروز کنٹرول - یہ صرف ADAS کے لیے ایک AI ایپلی کیشن ہے۔ یہ خود ڈرائیونگ نہیں ہے۔ ایک اور مثال خودکار ایمرجنسی بریکنگ ہے۔ جب آپ سڑک پر گاڑی چلا رہے ہوتے ہیں اور ایک کتا دوڑتا ہے، تو آبجیکٹ کا پتہ لگانے سے ایک خودکار ہنگامی بریک لگانے کی درخواست شروع ہو جاتی ہے۔ وہ اب کاروں میں تعینات ہیں، جن میں سے بہت سے وژن پر مبنی AI استعمال کرتے ہیں۔ بہترین مثال Mobileye ہے، جو شاید ADAS میں ان AI ایپلی کیشنز میں سب سے زیادہ استعمال ہوتی ہے۔ خود ڈرائیونگ سے آزاد، AI کو کار کے اندر موجود دیگر ایپلی کیشنز میں اپنایا جا رہا ہے، لیکن وہ اب بھی ترقی کے مراحل میں ہیں۔ پیداوار میں بہت زیادہ تعینات نہیں ہے۔

آگے بڑھتے ہوئے، DiGiuseppe نے کہا کہ AI کار میں دیگر ایپلی کیشنز کے لیے استعمال کیا جائے گا، جیسے کہ انفوٹینمنٹ ڈرائیور مانیٹرنگ سسٹم، جیسے نگاہوں کا پتہ لگانا، یہ دیکھنے کے لیے کہ ڈرائیور کہاں دیکھ رہا ہے۔ "نیز، الیکٹرک گاڑیوں کے لیے پاور ٹرین میں، DC-to-DC کنورٹر اس بات کی ایک اچھی مثال ہے کہ AI بیٹری کے انتظام کے نظام کے لیے اس ایپلی کیشن کو کس طرح بہتر بنا سکتا ہے۔ عام طور پر، یہ بیٹری پیک کی چارجنگ/ڈسچارجنگ کو بہتر بنانے کے لیے الگورتھم ہے۔ یہ AI کو اپنانے کا ایک اور غیر معمولی طریقہ ہے، لیکن بات یہ ہے کہ یہ کار کے اندر بہت سی مختلف ایپلی کیشنز پر جا رہی ہے۔

الیکٹرک موٹر سینسر میں کمی AI کے لیے ایک اور ایپلی کیشن ہے۔ "وہاں ہارڈ ویئر سینسر موجود ہیں جو اس فنکشن کو انجام دینے کے لئے AI کے ساتھ پیش گوئی کرنے والے تجزیات کا استعمال کرتے ہیں۔ لہذا اصل میں بجلی کی موٹر کے ساتھ پاور ٹرین میں ہارڈویئر سینسر استعمال کرنے کے بجائے، آپ AI پیشن گوئی کے تجزیات کا استعمال کر سکتے ہیں، "DiGiuseppe نے مزید کہا۔

یہ AI الگورتھم آخر کار کس طرح تعینات کیے جائیں گے وقت کے ساتھ ساتھ بدل جائیں گے۔ وہاں کے دو اہم عناصر لچک اور سائز ہیں۔ "اگر وہ نسبتاً چھوٹے ماڈل ہیں، تو eFPGA ایک قابل عمل نقطہ نظر ہے،" جیوف ٹیٹ نے نوٹ کیا، سی ای او فلیکس لاگکس. یہ خاص طور پر ان ڈیزائنرز کے لیے مفید ہو سکتا ہے جو PPA کو زیادہ سے زیادہ کرنا چاہتے ہیں۔ ای ایف پی جی اے میگا پکسل امیجز کے ساتھ بڑے وژن ماڈلز اور YOLOv5L6 جیسی سینکڑوں تہوں کے لیے انتہائی کارآمد ہیں، ٹیٹ نے وضاحت کی۔ الگورتھم کی تبدیلیوں سے فائدہ اٹھانے کے لیے انہیں فیلڈ میں دوبارہ پروگرام بھی کیا جا سکتا ہے۔

موجودہ AI کا نفاذ
ان سب کو ڈیزائن کے بہاؤ میں بنانے کے لیے بہت ابتدائی تصوراتی منصوبہ بندی کی ضرورت ہوتی ہے۔ "ہم اسے 'بائیں سے بائیں' کہتے ہیں،" فرٹز نے کہا۔ "یہ وہی ہے جو آپ کو بائیں طرف منتقل کرنے سے پہلے ہونے کی ضرورت ہے، اور یہ وہ جگہ ہے جہاں پیچیدگیاں آتی ہیں۔ اب میں فیصلے کر رہا ہوں، اس لیے میرے پاس ایسا طریقہ کار ہونا چاہیے جو نہ صرف اس پر عمل درآمد کا منتظر ہو اور ان میٹرکس کو جمع کر سکوں تاکہ میں دیکھ سکوں کہ آیا میں اپنی ضروریات پوری کرنے جا رہا ہوں۔ مجھے اس ڈیزائن کو لینے کے قابل بھی ہونا پڑے گا اور اسے اصل لاگو کرنے والوں تک پہنچا دوں، چاہے وہ اندرونی ہوں، کسی سپلائر پر، یا جہاں بھی ہوں۔ میں اسے 100 مختلف کمپنیوں میں کیسے کر سکتا ہوں، جن میں سے اکثر کو نہیں معلوم کہ ہم کس کے بارے میں بات کر رہے ہیں یا ان کا ٹکڑا بڑی تصویر میں کیسے فٹ بیٹھتا ہے؟ آئی پی پروٹیکشن ان سب میں کیسے آتا ہے؟ یہ ایک بڑا چیلنج ہے۔"

فرٹز کا خیال ہے کہ یہ ایک بڑی وجہ ہے جس کی وجہ سے لیول 4 اور لیول 5 کی خود مختاری میں اتنی تاخیر ہوئی ہے۔ "یہ ضروری نہیں کہ گاڑی کے اندر موجود AI کی وجہ سے ہو، حالانکہ یقینی طور پر یہ ایک چیلنج ہے۔ اور یہ فنکشنل سیفٹی کے بارے میں نہیں ہے۔ یہ اب ان تمام چیزوں کے بارے میں نہیں ہے۔ ہم اس پر اچھا ہینڈل حاصل کر رہے ہیں۔ لیکن آپ اس کام کو حقیقی دنیا میں کیسے بناتے ہیں ان تمام مختلف سپلائرز کے اپنے ٹکڑے کر کے؟ وہ سبھی چیزیں اپنے طریقے سے کرنے کے عادی ہیں، اور صرف اس بہت بڑی پہیلی کے اپنے ٹکڑے پر توجہ مرکوز کرتے ہیں۔ اب انہیں یہ دکھانا ہوگا کہ ان کی پہیلی کا ٹکڑا اس کے ارد گرد موجود دیگر تمام ٹکڑوں کے ساتھ کام کرنے والا ہے، جن میں سے کوئی بھی آپ حقیقت میں نہیں دیکھ سکتے۔ بڑے آٹوموٹو گروپوں میں سے کسی ایک میں، ان کے کئی برانڈز ہو سکتے ہیں، اور ان میں سے ہر ایک برانڈ کے کام کرنے کا اپنا طریقہ ہوتا ہے۔ لہذا یہاں تک کہ کمپنیوں کے اندر بھی آپ کنٹرول کرتے ہیں کہ چیزوں کو آگے بڑھنے کی ضرورت کے بارے میں کسی قسم کا اتفاق رائے حاصل کرنا انتہائی مشکل ہے۔

ایک بار جب وہ ترقی کا عمل اپنی جگہ پر ہو جاتا ہے، اور دستی طور پر کیا جاتا ہے، تو اگلی نسل اس عمل میں AI کا اطلاق کر رہی ہے۔ فرٹز نے کہا، "اے آئی کو تربیت دی جاتی ہے، اور اس میں سیکڑوں مختلف ان پٹ ہوں گے۔" "ایک ان پٹ اتنا ہی آسان ہوسکتا ہے، 'بینڈوتھ کبھی بھی 60% سے زیادہ نہیں ہوتی' یا، 'ان پٹ کا تعلق بالواسطہ طور پر ان ضروریات کی اقسام سے ہوتا ہے جو سسٹم میں جاتی ہیں۔' ایک بار جب آپ کے پاس ایک اعلیٰ سطح کا ماڈل ہے جو چل سکتا ہے، ایک ڈیجیٹل جڑواں بنا سکتا ہے، اور پھر وہ میٹرکس واپس فراہم کر سکتا ہے، پھر اس پر بیٹھنے والا AI اسے دیکھتا ہے اور کہتا ہے، 'کیا میں نے چیزوں کو بہتر بنایا یا بدتر؟' وقت کے ساتھ ساتھ یہ کہنے کی تربیت دی جاتی ہے، مجھے احساس ہوتا ہے کہ اگر میں اپنے ڈھانچے کو اس طرح سے منظم کرتا ہوں، یا اگر میں استعمال کرتا ہوں، تو مان لیں، جدید ترین آرم سی پی یو اور میں اسے 1 گیگا ہرٹز پر چلا سکتا ہوں، میں اس نوڈ پر مزید پروسیسنگ کر سکتا ہوں۔ سسٹم کا، جو میری بینڈوتھ کو کم کرتا ہے۔ اور اب میں 5 گیگا بٹ آٹوموٹیو ایتھرنیٹ لے سکتا ہوں، اور قیمت کی ضرورت یا وزن کی ضرورت یا حد کی ضرورت کو پورا کر سکتا ہوں۔ اس کے بعد AI بالآخر ان سسٹم آرکیٹیکٹس کی ذمہ داری سنبھال لے گا کیونکہ یہاں بہت زیادہ جہتیں ہیں، بہت زیادہ متغیرات کسی بھی انسان کے لیے حقیقت میں اس کا پتہ لگانے کے قابل نہیں ہیں۔

نتیجہ
وقت گزرنے کے ساتھ، جیسا کہ نظام کی سمجھ میں بہتری آتی ہے جہاں ایک معیاری، آف دی شیلف مشین لرننگ کا مسئلہ ہے جو ان پٹس کی شناخت کر سکتا ہے اور نتائج حاصل کر سکتا ہے — اور جیسا کہ ڈیزائن ٹیمیں سمجھتی ہیں کہ ان نتائج کا موازنہ کیسے کیا جائے اور ڈیزائن کو ایڈجسٹ کیا جائے — پھر یہ زیادہ وسیع ہو جائے گا. "تصویر کی شناخت ہر دوسرے مسئلے کی طرح ہے،" فرٹز نے کہا۔ "ایک بار جب ہمارے پاس یہ ہو جائے تو، یہ AI کی تربیت ہوگی جو ہر برانڈ اور ہر OEM کے لیے منفرد ہوگی، اور یہ سنہری زیورات ہوں گے۔ کوئی بھی اسے چھونے والا نہیں ہے۔ کوئی بھی اس کے ساتھ گڑبڑ کرنے والا نہیں ہے جب تک کہ یہ ناقابل یقین حد تک پیچیدہ ریگریشن ٹیسٹنگ کے ذریعے نہیں چلایا جاتا ہے تاکہ یہ یقینی بنایا جا سکے کہ اس نے کسی طرح سے کچھ نہیں توڑا ہے۔ یہی مستقبل ہے۔"

پھر بھی، بنیادی باتوں کو فراموش نہیں کرنا چاہیے، کیڈینس ناتھ نے کہا۔ "AI یہاں ہے، یہ مستقبل میں نہیں ہے۔ اہم بات یہ بھی ہے کہ آپ بنیادی باتوں کو نہیں بھول سکتے۔ آپ کو اپنے لی اپ شاٹس کی مشق کرنی ہوگی۔ آپ کو اپنے مفت تھرو کی مشق کرنی ہوگی۔ آپ کو اپنے تمام بنیادی اصولوں میں ٹھوس ہونا پڑے گا، یا اس سے کوئی فرق نہیں پڑتا ہے کہ نیا کھلونا کتنا ٹھنڈا ہے۔ آٹوموٹو انڈسٹری میں یہ دوگنا اہم ہے۔ AI آپ کو بہت ساری چیزیں کرنے میں مدد کر سکتا ہے، لیکن اگر آپ اپنے حصے کے معیار، وشوسنییتا اور حفاظت پر توجہ نہیں دے رہے ہیں، اگر آپ اپنے بنیادی ڈیزائن اور سائن آف طریقہ کار پر توجہ نہیں دے رہے ہیں، تو ایسا نہیں ہو گا۔ کامیاب ہو."

جب بات اس پر آتی ہے تو، AI/ML اصلاح کے مقاصد کے لیے استعمال کرنے کے لیے بہت سی تکنیکیں پیش کرتا ہے جیسے کہ کمک سیکھنے، کے-کلسٹرنگ، کنولوشنل نیورل نیٹ ورکس، جنریٹیو ایڈورسریل نیٹ ورکس، اور بہت کچھ، Rambus' Kouthon نے نوٹ کیا۔ "ان تمام تکنیکوں کا IC ڈیزائن اور مینوفیکچرنگ کے بہاؤ کے مختلف مراحل میں اطلاق تحقیق کا ایک فعال شعبہ ہے جو کہ پیداوار کی اصلاح یا جانچ اور تصدیق کے لیے ڈیزائن جیسے موضوعات پر فائدے کا وعدہ کرتا ہے۔"

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹوآئ اسٹریم۔ ویب 3 ڈیٹا انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• ایڈریین ایشلے کے ساتھ مستقبل کا نقشہ بنانا۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://semiengineering.com/ml-automotive-chip-design-takes-off/