في عالم التكنولوجيا الحديثة، تُعتبر القضايا المرتبطة بالكفاءة واستهلاك الطاقة شديدة الأهمية، خاصةً عند العمل على التطبيقات الحساسة للأخطاء. هنا يأتي دور حسابات التقريب (Approximate Computing)، التي تتجاوز القيود التقليدية للتوافق الوظيفي لتحقيق تحسين ملحوظ في الأداء والطاقة والمساحة.

تُعدّ عملية التصميم التقليدية للمنطق التقريبي (Approximate Logic Synthesis - ALS) المحدودة من خلال إعادة الكتابة التدريجية، مما يُعيق إمكانية استكشاف فضاء التصميم بكفاءة. ولكن، مع ظهور الذكاء الاصطناعي القائم على تقنية التحويل (Transformer)، تبرز فرصة جديدة لتوليد دوائر تقريبية بطرق أسرع وأكثر فعالية.

من هنا جاء ابتكار GTAC، وهو إطار عمل شامل لتوليد المنطق التقريبي لدوائر غير محددة الحجم، حيث يُعتبر الحل الأكثر ابتكاراً لمشكلة اختناقات الذاكرة في الذكاء الاصطناعي. يقوم GTAC بتقسيم الدائرة الكبيرة إلى دوائر فرعية يسهل التعامل معها، مُطبقًا نواة توليد مناسبة لكل دائرة فرعية، ومن ثم يختار أفضل الخيارات لتشكيل التصميم النهائي.

يستخدم GTAC آلية تشفير مضغوطة وفريدة لضمان كفاءة عالية، بجانب استخدامه لآلية ماسك (Masking) لاستبعاد التصاميم التي تتجاوز حد الخطأ المحدد.

علاوة على ذلك، يوفر GTAC أداءً مثيرًا للإعجاب، حيث يُسجل تخفيضًا في التأخير بنسبة 30.9% وعدد البوابات بنسبة 50.5% مقارنةً بالطرق التقليدية، بالإضافة إلى تقليل المساحة بنسبة 6.5% مع زيادة السرعة بمعدل 4.3 مرة. كما يتميز أيضًا بتقليص طول التسلسل بمعدل 33.3 مرة وتقليل الذاكرة المستخدمة بمعدل 61.6 مرة مقارنة بالتقنيات التقليدية.

كل هذه الميزات تجعل GTAC ليس مجرد تقنية جديدة، بل نقطة تحول في كيفية تصميم الدوائر التقريبية بذكاء ودقة، مما يفتح آفاقًا جديدة للابتكار في هذا المجال.