تم إنشاء أول شريحة ثلاثية الأبعاد متجانسة للإنتاج الضخم

تم تطوير شريحة ثلاثية الأبعاد متجانسة مناسبة للإنتاج التسلسلي في الولايات المتحدة الأمريكية، مما يعد بعصر جديد في تطوير أنظمة الذكاء الاصطناعي.

تطوير، الذي تم تقديمه في اجتماع IEEE الدولي السنوي الحادي والسبعين للأجهزة الإلكترونية، كان نتيجة لجهد تعاوني بين المهندسين جامعة ستانفوردوجامعة كارنيجي ميلون وجامعة بنسلفانيا ومعهد ماساتشوستس للتكنولوجيا جنبًا إلى جنب مع أكبر منشأة لتصنيع الرقائق التعاقدية في الولايات المتحدة.

على عكس الرقائق الحالية المسطحة (ثنائية الأبعاد) بشكل أساسي، يتم ترتيب المكونات الرئيسية فائقة الرقة للنموذج الأولي الجديد عموديًا، مثل أرضيات ناطحة سحاب، وتعمل اتصالات الطبقات البينية مثل العديد من المصاعد عالية السرعة، مما يتيح النقل السريع لكميات هائلة من البيانات. إن كثافة الترابط الرأسي التي حطمت الأرقام القياسية للرقاقة والذاكرة المصممة بعناية والوصلات البينية الحاسوبية تسمح لها بالتغلب على القيود التي أعاقت تطوير بنيات اللوحة المسطحة لفترة طويلة. وفي اختبارات الأجهزة وعمليات المحاكاة، تفوقت الشريحة ثلاثية الأبعاد الجديدة في الأداء على الشرائح ثنائية الأبعاد بنحو رتبة من حيث الحجم.

وقد تم بالفعل إنشاء شرائح ثلاثية الأبعاد، ولكن هذه كلها كانت عينات تجريبية، وتم تصنيع المنتج الجديد لأول مرة على خط إنتاج تجاري.

وقال البروفيسور شوباشيش ميترا من جامعة ستانفورد، المؤلف الرئيسي للدراسة: “إن مثل هذه الاختراقات هي التي ستمكن من زيادة أداء الأجهزة بمقدار ألف مرة والتي ستتطلبها أنظمة الذكاء الاصطناعي المستقبلية”.

مشاكل مع رقائق مسطحة

يجب على نماذج الذكاء الاصطناعي الحديثة مثل ChatGPT وClaude نقل كميات هائلة من البيانات بين الذاكرة حيث يتم تخزين المعلومات ووحدات الحوسبة التي تعالجها.

في الرقائق التقليدية ثنائية الأبعاد، يتم وضع المكونات على مستوى واحد، ويتم توزيع الذاكرة على مساحة معينة، ويجب أن تنتقل البيانات عبر عدد قليل من المسارات الطويلة والمزدحمة. نظرًا لأن عناصر الحوسبة تعمل بشكل أسرع بكثير من حركة المعلومات، ولا تستطيع الشريحة تخزين ذاكرة كافية بالقرب منها، فإن النظام يظل خاملاً باستمرار في انتظار البيانات. يسمي المهندسون هذا عنق الزجاجة “جدار الذاكرة” – اللحظة التي تبدأ فيها سرعة العمليات الحسابية في تجاوز قدرة الشريحة على توصيل البيانات.

لعقود من الزمن، حارب صانعو الرقائق مشكلة جدار الذاكرة من خلال جعل الترانزستورات أصغر حجمًا وأكثر كثافة. لكن هذه الاستراتيجية تقترب من حد مادي لا يمكن التغلب عليه، وهو ما يسميه الباحثون “جدار التصغير”.

ترتفع الشريحة الجديدة حرفيًا فوق هذه الجدران. “من خلال دمج الذاكرة والحوسبة عموديًا، يمكننا نقل المزيد من البيانات بشكل أسرع بكثير. أوضح المؤلف الكبير تاثاغاتا سريماني من جامعة كارنيجي ميلون: “يشبه الأمر وجود مصاعد متعددة في ناطحة سحاب، مما يسمح للعديد من السكان بالتنقل بين الطوابق في نفس الوقت”.

وقال المؤلف المشارك في الدراسة روبرت إم رادواي من جامعة بنسلفانيا: “يشكل “جدار الذاكرة” و”جدار التصغير” مزيجا قاتلا”. “لقد هاجمناها وجهاً لوجه، ودمجنا الذاكرة والمنطق بإحكام، ثم بدأنا في البناء تصاعديًا بكثافة عالية للغاية. إنها مثل مانهاتن الحوسبة – يمكننا استيعاب المزيد من الأشخاص في مساحة أقل.”

كيف تم إنشاء الشريحة ثلاثية الأبعاد الجديدة

حتى الآن، تم اختصار معظم المحاولات لإنشاء شرائح ثلاثية الأبعاد إلى التراص المتسلسل للطبقات النهائية. ينجح هذا النهج، لكن الروابط بين “الطوابق” تكون خشنة ومتناثرة وتشكل عنق الزجاجة في حد ذاتها.

بدلاً من إنشاء شرائح فردية ثم ربطها، يقوم الفريق ببناء كل طبقة مباشرة فوق الطبقة السابقة في عملية واحدة مستمرة. تستخدم هذه الطريقة “المتجانسة” درجات حرارة منخفضة بدرجة كافية لتجنب إتلاف الدوائر الأساسية، مما يسمح للباحثين بجمع العناصر بشكل أقرب إلى بعضها البعض وربطها بكثافة أعلى بكثير.

يعتبر المطورون أن أعظم إنجازاتهم هو تنفيذ دورة إنتاج كاملة في مصنع إلكترونيات دقيقة موجود.

“إن تحويل مفهوم أكاديمي متطور إلى شيء يمكن لمصنع تجاري أن يصنعه هو مهمة شاقة. وهذا يثبت أن مثل هذه البنى المتقدمة ليست ممكنة فقط في المختبر – بل يمكن إنتاجها على نطاق صناعي،” قال المؤلف المشارك مارك نيلسون، نائب رئيس تطوير التكنولوجيا في SkyWater Technology.

أداء الشريحة وإمكاناتها

تظهر اختبارات الأجهزة الأولى أن النموذج الأولي يتفوق بالفعل على شرائح ثنائية الأبعاد مماثلة بحوالي أربع مرات. إن محاكاة الإصدارات المستقبلية الأعلى مع المزيد من طبقات الذاكرة والحساب ستؤدي إلى مكاسب أكبر. تُظهر التصميمات ذات المستويات الإضافية تحسنًا يصل إلى اثني عشر ضعفًا في الأداء في مهام الذكاء الاصطناعي في العالم الحقيقي استنادًا إلى الإصدارات المفتوحة من LLM.

ويقول الباحثون إن الأمر الأكثر إثارة للإعجاب هو أن هذه البنية توفر مسارًا واقعيًا لتحسينات تتراوح من 100 إلى 1000 ضعف في منتج كمون الطاقة، وهو مقياس رئيسي يوازن بين السرعة وكفاءة الطاقة. ومن خلال تقصير مسافات نقل البيانات بشكل جذري وإضافة قنوات رأسية متعددة، يمكن للرقاقة تحقيق إنتاجية أعلى وتكاليف طاقة أقل لكل عملية، وهو مزيج كان يُعتقد منذ فترة طويلة أنه لا يمكن تحقيقه من خلال بنيات الشاشات المسطحة التقليدية.

واختتم إتش إس قائلاً: “إن مثل هذه الإنجازات تتعلق بالطبع بالإنتاجية. لكنها تتعلق أيضًا بالفرص. إذا تمكنا من إنشاء شرائح ثلاثية الأبعاد متقدمة، فيمكننا الابتكار بشكل أسرع، والاستجابة بشكل أسرع للتحديات، وبناء مستقبل أجهزة الذكاء الاصطناعي”. فيليب وونج، أستاذ في كلية الهندسة بجامعة ستانفورد والباحث الرئيسي في Northwest-AI-Hub.