आधुनिक इलेक्ट्रॉनिक्स की दुनिया में, एक डिजिटल विचार से लेकर एक भौतिक चिप तक का सफर जटिल निर्णयों का एक मैराथन है। किसी भी ट्रांजिस्टर को सिलिकॉन पर उकेरने से पहले, इंजीनियरों को उन विविध सेटिंग्स के परिदृश्य से गुजरना पड़ता है जो यह नियंत्रित करती हैं कि चिप कैसे व्यवस्थित होगी, इसके आंतरिक तार कैसे बिछाए जाएंगे, और इसके क्लॉक सिग्नल कैसे सिंक्रोनाइज़ किए जाएंगे। ये सेटिंग्स मशीन के नॉब्स (knobs) की तरह हैं, और वे आपस में गहराई से जुड़ी हुई हैं; गति सुधारने के लिए एक को घुमाने से अनजाने में चिप का क्षेत्र छोटा हो सकता है या इसके बिजली की खपत बहुत अधिक हो सकती है। चूंकि इन सेटिंग्स का पूर्ण सिमुलेशन चलाने में घंटों लग जाते हैं, इसलिए इंजीनियर हर संभावना को आज़मा नहीं सकते। उन्हें रणनीतिक होना चाहिए, यह चुनते हुए कि किन कॉन्फ़िगरेशन को सबसे महंगे, विस्तृत उपकरणों के साथ टेस्ट करना है और किन्हें छोड़ देना है। दशकों तक, यह प्रक्रिया गणितीय एल्गोरिदम पर निर्भर रही है जो चिप डिज़ाइन को एक 'ब्लैक बॉक्स' की तरह मानती है, प्रत्येक परीक्षण से सीखती तो है लेकिन परीक्षण समाप्त होने के बाद उस गहरे कारण को भूल जाती है कि कोई विशिष्ट सेटिंग क्यों विफल या सफल हुई।

हाल ही में, इस क्षेत्र में एक नया उपकरण आया है: लार्ज लैंग्वेज मॉडल्स, वही प्रकार की आर्टिफिशियल इंटेलिजेंस जो कहानियाँ लिख सकती है या सवालों के जवाब दे सकती है। इन मॉडल्स ने तकनीकी मैनुअल और पिछले डिज़ाइन रिकॉर्ड को पढ़कर नए सुझाव देने में आशाजनक प्रदर्शन दिखाया है। हालांकि, फुदान यूनिवर्सिटी और चाइनीज यूनिवर्सिटी ऑफ हांगकांग के शोधकर्ताओं ने पाया कि केवल एआई से सुझाव मांगना पर्याप्त नहीं था। अपने नए कार्य में, उन्होंने खोजा कि इन एआई सहायकों के लिए चिप ट्यूनिंग के जटिल कार्य में महारत हासिल करने के लिए, उन्हें जो कुछ सीखा है उसे केवल एक क्षण के लिए नहीं, बल्कि स्थायी रूप से याद रखने के तरीके की आवश्यकता है। उन्होंने एक ऐसा सिस्टम बनाया जो ट्यूनिंग प्रक्रिया को अलग-थलग अनुमानों की एक श्रृंखला से बदलकर एक निरंतर, बंद लूप (closed loop) में बदल देता है जहाँ प्रत्येक विफलता और सफलता को रिकॉर्ड, विश्लेषित और अगले कदम का मार्गदर्शन करने के लिए उपयोग किया जाता है।

शोधकर्ताओं ने, जिनका नेतृत्व कुनलॉन्ग ली और शांगशांग याओ ने किया, एक सिस्टम विकसित किया जिसे वे 'स्टेटट्यून' (StateTune) कहते हैं। यह समझने के लिए कि यह क्यों आवश्यक है, एक छात्र की कल्पना करें जो एक कठिन पहेली को हल करने की कोशिश कर रहा है। यदि छात्र एक सुराग देखता है, एक अनुमान लगाता है, और फिर अगले प्रयास से पहले उस सुराग और अनुमान के परिणाम को तुरंत भूल जाता है, तो वह कभी पैटर्न नहीं सीख पाएगा। आर्टिफिशियल इंटेलिजेंस का उपयोग करने वाले पिछले तरीके बिल्कुल इसी तरह के 'भुलक्कड़ छात्र' की तरह काम करते थे। वे एआई से सेटिंग्स का एक नया सेट प्रस्तावित करने के लिए कहते थे, उसका परीक्षण करते थे, और फिर अगले प्रस्ताव के लिए पूछने से पहले उस परीक्षण के संदर्भ को हटा देते थे। एआई के पास इस बात की कोई स्थायी स्मृति नहीं थी कि सेटिंग्स के किन संयोजनों के कारण चिप विफल हुई या किनसे बेहतर प्रदर्शन हुआ। यह ऐसा था जैसे एआई हर एक सवाल के साथ शून्य से शुरुआत कर रहा हो।

स्टेटट्यून इसे एक संरचित, स्थायी नोटबुक देकर बदल देता है। हर बार जब सिस्टम एक कॉन्फ़िगरेशन का परीक्षण करता है, तो वह केवल परिणाम दर्ज नहीं करता है; वह विश्लेषण भी करता है कि वह परिणाम क्यों हुआ। यदि किसी विशिष्ट सेटिंग के कारण टाइमिंग एरर (timing error) आया, तो सिस्टम एक नियम लिखता है: "जब यह सेटिंग उच्च और वह निम्न होती है, तो चिप विफल हो जाती है।" महत्वपूर्ण रूप से, सिस्टम को संदेही (skeptical) बनाया गया है। यह किसी एक खराब परिणाम के आधार पर अपनी स्थायी स्मृति में नियम नहीं लिखता है। इसके बजाय, यह तब तक प्रतीक्षा करता है जब तक कि उसने कम से कम बारह अलग-अलग, उच्च-गुणवत्ता वाले परीक्षणों द्वारा उसी विफलता पैटर्न की पुष्टि न हो जाए। यह एआई को दुर्घटनाओं या शोर (noise) से सीखने से रोकता है। एक बार नियम सत्यापित हो जाने के बाद, इसे एक 'टाइप्ड मेमोरी' में संग्रहीत किया जाता है जिसे सिस्टम नए विचार उत्पन्न करने या यह तय करने के लिए पढ़ सकता है कि कौन से विचार परीक्षण के योग्य हैं।

यह स्मृति केवल तथ्यों को संग्रहीत नहीं करती है; यह सक्रिय रूप से खोज को आकार देती है। सिस्टम इस संचित ज्ञान का उपयोग एक एआई एजेंट को निर्देशित करने के लिए करता है जो नई सेटिंग्स प्रस्तावित करता है। यदि स्मृति में किसी विशिष्ट प्रकार की विफलता के बारे में कोई नियम है, तो एआई को उन सेटिंग्स से बचने का निर्देश दिया जाता है। यदि स्मृति दिखाती है कि एक निश्चित पैरामीटर परिवर्तनों के प्रति अत्यधिक संवेदनशील है, तो एआई अपना ध्यान वहीं केंद्रित करता है। लेकिन सिस्टम को संसाधनों के बारे में भी सावधान रहना पड़ता है। चिप डिज़ाइन पर एक पूर्ण, विस्तृत परीक्षण चलाना महंगा और समय लेने वाला है। शोधकर्ताओं ने यह तय करने के लिए कि कई प्रस्तावित विचारों में से कौन से विस्तृत परीक्षण के योग्य हैं, बुद्धि का एक दूसरा स्तर जोड़ा। उन्होंने एक ऐसी विधि बनाई जो यह अनुमान लगाती है कि एक नया विचार इसे टेस्ट करने में लगने वाले समय की तुलना में समग्र डिज़ाइन में कितना सुधार कर सकता है। यह सुनिश्चित करता है कि सीमित समय बजट केवल सबसे आशाजनक उम्मीदवारों पर खर्च किया जाए, न कि उन विचारों पर जो अच्छे दिखते हैं लेकिन अंतिम परिणाम में सुधार करने की संभावना कम रखते हैं।

अपने सिस्टम का परीक्षण करने के लिए, शोधकर्ताओं ने स्टेटट्यून को कैडेंस (Cadence) द्वारा उपयोग किए जाने वाले एक वास्तविक औद्योगिक चिप डिज़ाइन फ्लो पर लागू किया, जो सेमीकंडक्टर उद्योग की एक प्रमुख कंपनी है। उन्होंने दो अलग-अलग विनिर्माण तकनीकों में इमेज प्रोसेसर से लेकर एन्क्रिप्शन यूनिट तक, छह अलग-अलग चिप डिज़ाइनों पर इसका परीक्षण किया। उन्होंने इसकी तुलना पांच अन्य तरीकों से की, जिसमें मानक गणितीय अनुकूलन उपकरण और अन्य एआई-सहायता प्राप्त दृष्टिकोण शामिल थे। परिणाम स्पष्ट और सुसंगत थे। स्टेटट्यून ने हर मामले में सर्वश्रेष्ठ अंतिम डिज़ाइन तैयार किए। इसने अन्य सभी तरीकों की तुलना में बेहतर टाइमिंग, छोटा क्षेत्र और कम बिजली की खपत हासिल की। सबसे महत्वपूर्ण बात यह है कि इसने प्रतिस्पर्धी लक्ष्यों के बीच एक बेहतर समग्र संतुलन बनाया, जिससे समाधानों का एक ऐसा सेट बना जो अन्य प्रणालियों द्वारा खोजे गए किसी भी समाधान से बेहतर था।

शोधकर्ताओं ने यह समझने के लिए कि उनका सिस्टम इतना अच्छा क्यों काम करता है, प्रयोगों की एक श्रृंखला भी चलाई। उन्होंने स्थायी स्मृति को हटा दिया और पाया कि सिस्टम का प्रदर्शन आधे से अधिक गिर गया। इससे यह सिद्ध हुआ कि स्मृति सबसे महत्वपूर्ण हिस्सा थी, जो एआई की अपने आप विचार उत्पन्न करने की क्षमता से कहीं अधिक महत्वपूर्ण थी। उन्होंने यह भी परीक्षण किया कि क्या होता है यदि वे नियम को हटा दें जिसमें नियम को संग्रहीत करने से पहले बारह पुष्टियों की आवश्यकता होती है। इस सुरक्षा कवच के बिना, सिस्टम गलत डेटा के आधार पर गलत नियम जमा करने लगा, और इसके प्रदर्शन को काफी नुकसान हुआ। इसने पुष्टि की कि सिस्टम की शोर को फ़िल्टर करने और केवल सत्यापित ज्ञान को रखने की क्षमता आवश्यक थी। इसके अलावा, उन्होंने दिखाया कि एक चिप डिज़ाइन से सीखा गया ज्ञान दूसरे डिज़ाइन को मदद करने के लिए स्थानांतरित किया जा सकता है, जिससे सिस्टम को शून्य से शुरू करने के बजाय एक बढ़त मिलती है।

अध्ययन ने एक सामान्य गलत धारणा को भी संबोधित किया: कि केवल ट्यूनिंग प्रक्रिया में एआई जोड़ना ही समस्या को हल करने के लिए पर्याप्त है। शोधकर्ताओं ने पाया कि एक संरचित स्मृति के बिना और यह निर्णय लेने के स्मार्ट तरीके के बिना कि कौन से परीक्षण चलाने हैं, एक एआई कुछ मामलों में रैंडम गेसिंग (random guessing) से भी खराब प्रदर्शन करता है। एआई को वह जो उसने सीखा है उसे याद रखने के लिए स्मृति की आवश्यकता है, और उसे यह जानने के लिए एक स्मार्ट रणनीति की आवश्यकता है कि उस स्मृति पर कब भरोसा किया जाए। उनके द्वारा बनाया गया सिस्टम, स्टेटट्यून, इन तत्वों को एक एकल, सुसंगत प्रक्रिया में जोड़ता है। यह चिप की ट्यूनिंग को अलग-थलग प्रयोगों की एक श्रृंखला के रूप में नहीं, बल्कि एक निरंतर सीखने की यात्रा के रूप में मानता है जहाँ प्रत्येक चरण अगले चरण को सूचित करता है।

इस कार्य के निहितार्थ केवल एक प्रकार के चिप तक ही सीमित नहीं हैं। जैसे-जैसे चिप्स अधिक जटिल होते जा रहे हैं और उन्हें डिज़ाइन करने के लिए उपलब्ध समय सीमित होता जा रहा है, प्रत्येक परीक्षण से कुशलतापूर्वक सीखना महत्वपूर्ण होता जा रहा है। शोधकर्ताओं ने प्रदर्शित किया कि एआई को एक स्थायी, साक्ष्य-आधारित स्मृति देकर, यह पहले की तुलना में बहुत अधिक प्रभावी ढंग से चिप डिज़ाइन सेटिंग्स के विशाल और जटिल स्थान में नेविगेट कर सकता है। उन्होंने केवल कुछ विशिष्ट चिप्स को ट्यून करने का एक बेहतर तरीका नहीं खोजा; उन्होंने यह दिखाया कि कैसे आर्टिफिशियल इंटेलिजेंस जटिल इंजीनियरिंग सिस्टम के साथ बातचीत कर सकता है। यह सिस्टम कोई जादू नहीं है, और यह समस्या को तुरंत हल नहीं करता है। यह एक अनुशासित, व्यवस्थित प्रक्रिया है जो परीक्षण की लागत और सत्यापित ज्ञान के मूल्य का सम्मान करती है। ट्यूनिंग प्रक्रिया को एक स्टेटफुल (stateful), क्लोज्ड-लूप सिस्टम में बदलकर, शोधकर्ताओं ने एक ब्लूप्रिंट प्रदान किया है कि कैसे भविष्य के एआई उपकरण इंजीनियरों को बेहतर, तेज़ और अधिक कुशल इलेक्ट्रॉनिक्स बनाने में मदद कर सकते हैं। यह कार्य एक स्पष्ट प्रमाण है कि चिप डिज़ाइन की उच्च-दांव वाली दुनिया में, सबसे शक्तिशाली उपकरण केवल अनुमान लगाने की क्षमता नहीं है, बल्कि अतीत से याद रखने और सीखने की क्षमता है।