about-3 back-contact back-deep eitaa کانال روبیکاخبرگزاری سایبربان
مطالب پربازدید
«حملات
1404/07/10 - 08:30- جنگ سایبری

«حملات تخریبی» به کشور۳ برابر شد/ افشای نام «اهداف اصلی» حملات هکرها

بر اساس داده‌های گزارش سالانه گراف، هوش مصنوعی مولد (GenAI) چشم‌انداز تهدیدات ایران را در سال ۱۴۰۳ دگرگون کرد؛ جایی که حملات با LLMJacking، باج‌افزار و فریب‌های پیشرفته، نهادهای دولتی و آموزشی را در کانون هدف قرار دادند.

تمرکز
1404/06/26 - 14:35- جنگ سایبری

تمرکز اسرائیل بر «پیجر» و جنگ الکترونیک در نبردهای آینده با ایران

مقامات رژیم صهیونیستی، طراحی عملیات‌های غافلگیر کننده ای همچون عملیات پیجرها برای جنگ آینده با ایران را ضروری می دانند.

نقش
1404/06/24 - 09:51- جنگ سایبری

نقش سرداران شهید « باقری و سلامی» در برتری قدرت سایبری ایران

رویکرد راهبردی شهیدان باقری و سلامی، نیروهای مسلح ایران را با تدوین دکترین سایبری نوآورانه به یکی از قدرت‌های سایبری تبدیل کرد.

انویدیا از تحقیقات جدیدی پرده برداشته است که نشان می‌دهد چگونه می‌توان از هوش مصنوعی برای بهینه‌سازی تولید تراشه استفاده کرد.

به گزارش کارگروه فناوری اطلاعات سایبربان ؛ انویدیا از تحقیقات جدیدی پرده برداشته است که نشان می‌دهد چگونه می‌توان از هوش مصنوعی برای بهینه‌سازی تولید تراشه استفاده کرد. این اقدام پیشگامانه می‌تواند روش طراحی تراشه‌ها را تغییر دهد و در نهایت منجر به بهبود صرف هزینه، سرعت و مصرف انرژی در صنعت نیمه هادی شود.

تراشه چگونه طراحی می‌شود؟

فرآیند طراحی یک تراشه مستلزم تصمیم‌گیری در مورد قرار دادن دقیق ده‌ها میلیارد ترانزیستور کوچک روی یک بستر سیلیکونی است. این موقعیت ترانزیستورها به طور قابل توجهی بر هزینه، سرعت و مصرف انرژی تراشه تأثیر می‌گذارد.

مهندسان طراحی تراشه معمولاً از نرم‌افزار طراحی پیچیده شرکت‌هایی مانند Synopsys و Cadence Design Systems  برای بهینه‌سازی قرارگیری ترانزیستورها استفاده می‌کنند.

بهینه‌سازی طراحی تراشه با هوش مصنوعی

روز دوشنبه، انویدیا مقاله‌ای منتشر کرد که در آن جزئیات نحوه استفاده ترکیبی از تکنیک‌های هوش مصنوعی برای بهبود مکان‌یابی گروه‌های بزرگ ترانزیستور را توضیح داده بود. این پژوهش بر اساس تلاش قبلی دانشگاه تگزاس است که از یادگیری تقویتی استفاده می کرد.

nvidia-ai-2.jpg

انویدیا لایه دوم هوش مصنوعی را برای بهبود بیشتر نتایج به آن اضافه کرد. هدف تحقیقات انویدیا بهبود مقاله بحث برانگیز سال 2021 توسط شرکت مادر گوگل، آلفابت، بود. رویکرد Nvidia یادگیری تقویتی را با یک لایه اضافی از هوش مصنوعی ترکیب کرد تا به نتایج بهتر در بهینه‌سازی قرارگیری ترانزیستور دست یابد و در نتیجه عملکرد تراشه را بهبود بخشد.

بیل دالی، دانشمند ارشد انویدیا، بر اهمیت این کار تأکید کرده است؛ چراکه پیشرفت‌های تولید در صنعت تراشه شروع به کند شدن کرده‌اند.

برخلاف پیش‌بینی معروف گوردون مور، بنیانگذار اینتل، مبنی بر اینکه تراشه‌ها دائماً ارزان‌تر و سریع‌تر می‌شوند، هزینه‌های هر ترانزیستور در فناوری‌های جدید تولید تراشه در حال حاضر بیشتر از نسل‌های قبلی است.

دالی در این رابطه توضیح داده است:

شما دیگر واقعاً از این مقیاس‌بندی سودی کسب نمی‌کنید. برای ادامه حرکت رو به جلو و ارائه ارزش بیشتر به مشتریان، نمی‌توانیم آن را از طریق ترانزیستورهای ارزان‌تر محقق کنیم. ما باید آن را با هوشمندی بیشتر در طراحی به دست آوریم.

این پیشرفت مبتنی بر هوش مصنوعی در بهینه‌سازی طراحی تراشه پتانسیل قابل توجهی برای صنعت نیمه هادی داد. از آنجایی که پیشرفت در تولید کند می‌شود، شرکت‌ها باید روش‌های نوآورانه‌ای را برای ارائه عملکرد و ارزش بهتر به مشتریان بررسی کنند.

nvidia-ai-3.jpg

تحقیقات انویدیا در مورد استفاده از هوش مصنوعی برای طراحی بهبود یافته تراشه می‌تواند راه را برای عصر جدیدی از محصولات نیمه هادی بهینه و با کارایی بالا هموار سازد.

تازه ترین ها
فرسودگی
1404/08/26 - 19:05- هوش مصنوعي

فرسودگی کارکنان در عصر هوش مصنوعی؛ خطری که مدیران نمی‌بینند

هوش مصنوعی درکنار تمام مزایایی که دارد، می‌تواند برخی عوارض جانبی نیز به همراه داشته باشد.

نصیحت
1404/08/26 - 18:59- هوش مصنوعي

نصیحت «مادرخوانده هوش مصنوعی» به جوانان: در جزئیات غرق نشوید!

وقتی بزرگ‌ترین نام‌های دنیای هوش مصنوعی درباره‌ی مسیر شغلی جوانان هشدار می‌دهند، یعنی روند فعلی اشتباهاتی دارد؛ اما این اشتباه دقیقاً چیست؟

آیا
1404/08/26 - 18:53- هوش مصنوعي

آیا ترجمه هوش مصنوعی بهتر از ترجمه انسانی است؟

آیا هوش مصنوعی مولد (Generative AI) می‌تواند جایگزین خدمات ترجمه انسانی شود؟