Araştırmacılar, bilgisayar çiplerinin tasarım sürecinde performans, güç tüketimi ve alan kullanımını optimize eden yeni bir yapay zeka sistemi geliştirdi. AutoPPA adlı bu sistem, insan müdahalesi olmadan kendi optimizasyon kurallarını öğrenebiliyor. Geleneksel yöntemlerde uzmanlar tarafından elle yazılan kurallar yerine, sistem farklı kod örneklerini karşılaştırarak en iyi tasarım desenlerini otomatik olarak keşfediyor. Bu yaklaşım, çip tasarımcılarının işini büyük ölçüde kolaylaştırabilir ve daha verimli elektronik cihazların geliştirilmesine katkıda bulunabilir. Sistem, özellikle RTL (Register Transfer Level) tasarım sürecinde kullanılmak üzere geliştirildi ve mevcut yöntemlere göre daha etkili sonuçlar veriyor.

Büyük dil modellerinin donanım tasarımında kullanılan RTL kodları üretmede başarılı olmasına rağmen, ürettikleri kodlar ciddi güvenlik açıkları içerebiliyor. Araştırmacılar, bu soruna çözüm olarak VeriCWEty adında yeni bir sistem geliştirdi. Embedding tabanlı bu framework, Verilog kodlarındaki yaygın güvenlik zafiyetlerini hem modül hem de satır seviyesinde tespit edebiliyor. Sistem, CWE-1244 ve CWE-1245 gibi kritik güvenlik açıklarını %89 hassasiyetle, satır düzeyindeki hataları ise %96 doğrulukla belirlemeyi başarıyor. Geleneksel kural tabanlı kontrol yöntemlerinin aksine, bu yeni yaklaşım semantik güvenlik açıklarını yakalayabiliyor ve hataların tam konumunu belirleyebiliyor. Bu gelişme, yapay zeka destekli donanım tasarımının güvenliğini artırmada önemli bir adım sayılıyor.

Araştırmacılar, donanım tasarımında devrim yaratabilecek yeni bir yapay zeka sistemi geliştirdi. VeriMoA adlı bu sistem, birden fazla AI ajanının koordineli çalışmasıyla donanım tanımlama dillerinde kod üretebiliyor. Geleneksel yaklaşımların aksine herhangi bir ek eğitime ihtiyaç duymayan sistem, kalite odaklı bir önbellekleme mekanizması kullanarak en iyi sonuçları seçiyor. Modern bilgisayar işlemcilerinden mobil cihazlara kadar her türlü elektronik sistemin tasarımında kullanılan RTL seviyesindeki donanım geliştirme sürecini hızlandırma potansiyeli taşıyan bu yenilik, artan hesaplama ihtiyaçlarına yanıt verebilir. Çoklu ajan mimarisinin sunduğu işbirlikçi yaklaşım, tek bir modelin sınırlılıklarını aşarak daha güvenilir ve kapsamlı donanım tasarımları üretmeyi hedefliyor.

Araştırmacılar, büyük dil modellerinin (LLM) donanım tasarımındaki yeteneklerini geliştiren yeni bir framework olan HYPERHEURIST'i geliştirdi. Bu sistem, yapay zekanın ürettiği donanım tasarımlarını tek seferlik sonuç olarak görmek yerine, geliştirilebilir ara adımlar olarak değerlendiriyor. Simulated annealing algoritması kullanan framework, önce tasarımların fonksiyonel doğruluğunu test ediyor, ardından güç tüketimi, performans ve alan kullanımı açısından optimize ediyor. Sekiz farklı benchmark üzerinde yapılan testlerde, bu aşamalı yaklaşımın daha kararlı ve tutarlı sonuçlar verdiği görüldü. Çalışma, yapay zekanın donanım geliştirme süreçlerinde nasıl daha etkili kullanılabileceğine dair önemli ipuçları sunuyor ve gelecekte daha verimli elektronik cihazların tasarlanmasına katkı sağlayabilir.