في عالم تصميم الرقائق، يُعتبر توليد كود الناقل المنطقي القابل للتحويل (RTL) مهمة جوهرية، لكن معظم الأنظمة الحالية تعتمد على واجهات برمجة التطبيقات (APIs) ولا تتماشى مع الممارسات الصناعية. وهنا يأتي دور نظام ChipMATE، أحدث ابتكارات الذكاء الاصطناعي التي تعيد تعريف هذا المجال.

تستند مشكلة الكود التقليدي إلى فرضية توفر بيئة اختبار مثالية (golden testbench) خلال عملية التوليد، مما يعد عائقاً للعديد من شركات تصنيع الرقائق. بالإضافة إلى ذلك، تعتمد الأنظمة التقليدية على واجهات برمجة مغلقة غير متوافقة مع متطلبات الأمان المعروفة عن بيئات الشركات. لذلك، كان من الضروري إيجاد حل جديد يتيح الاستفادة من قواعد البيانات المحددة لكل شركة.

يقدم ChipMATE إطار عمل مبتكراً يعتمد على الوكلاء المتعددين، حيث يتم استخدام وكيل خاص بلغة Verilog مع وكيل آخر يعتمد على نموذج مرجعي بلغة Python. يسمح هذا التنسيق لكل وكيل بمراجعة نتائج الآخر، مما يعزز دقة الكود المولد دون الحاجة إلى قاعدة بيانات اختبار مثالية.

تعتمد التكنولوجيا المستخدمة في ChipMATE على التعلم الذاتي والتعاون بين الوكلاء، حيث تم تصميم عملية استدلال تعتمد على العودة للخلف (backtrack-based inference) لتجنب تكرار الأخطاء. علاوة على ذلك، يتم تدريب كل وكيل بشكل فردي قبل دمجهما للتعاون بشكل فعّال.

لقد حقق ChipMATE نتائج مذهلة في اختبارات الكفاءة، حيث وصل إلى معدل نجاح 75.0% و80.1% على نموذج VerilogEval V2 باستخدام نماذج أساسية بحجم 4B و9B، متفوقًا على جميع النماذج الذاتية التدريب الأخرى مثل DeepSeek V4 الذي يحتوي على 1600B.

يمكنك استكشاف الكود والنماذج الخاصة بنظام ChipMATE عبر [GitHub](https://github.com/zhongkaiyu/ChipMATE).

ما رأيكم في هذا التطور المذهل في تكنولوجيا توليد كود RTL؟ شاركونا في التعليقات!