Как искусственный интеллект изменит проектирование микросхем

Закон Мура подходит к концу. Инженеры и дизайнеры могут сделать лишь ограниченное количество шагов для миниатюризации транзисторов и размещения как можно большего их количества на микросхемах. Поэтому они обращаются к другим подходам к проектированию микросхем, внедряя в этот процесс такие технологии, как искусственный интеллект.

Например, Samsung добавляет искусственный интеллект в свои чипы памяти, чтобы обеспечить обработку данных непосредственно в памяти, тем самым экономя энергию и ускоряя машинное обучение. Что касается скорости, то чип TPU V4 AI от Google удвоил свою вычислительную мощность по сравнению с предыдущей версией.

Но искусственный интеллект таит в себе еще больше перспектив и потенциала для полупроводниковой промышленности. Чтобы лучше понять, как ИИ произведет революцию в проектировании микросхем, мы поговорили с Хизер Горр, старшим менеджером по продуктам платформы MATLAB компании MathWorks.

Как в настоящее время используется искусственный интеллект для разработки микросхем следующего поколения?

Хизер Горр: Искусственный интеллект — это очень важная технология, потому что она задействована практически на всех этапах цикла, включая проектирование и производство. Здесь много важных применений, даже в общем технологическом проектировании, где мы хотим оптимизировать процессы. Я думаю, что обнаружение дефектов — это очень важный аспект на всех этапах процесса, особенно в производстве. Но даже если заглядывать вперед в процесс проектирования, [ИИ теперь играет значительную роль] при проектировании светильников, датчиков и всех различных компонентов. Существует множество аспектов обнаружения аномалий и предотвращения неисправностей, которые действительно необходимо учитывать.

Хизер Горр, MathWorks

Затем, если задуматься о логистическом моделировании, которое вы видите в любой отрасли, всегда есть запланированные простои, которые нужно минимизировать; но в итоге возникают и незапланированные простои. Поэтому, проанализировав исторические данные о случаях, когда производство чего-либо занимало больше времени, чем ожидалось, вы можете использовать ИИ, чтобы попытаться определить непосредственную причину или выявить что-то, что может броситься в глаза даже на этапах обработки и проектирования. Мы часто воспринимаем ИИ как инструмент прогнозирования или как робота, выполняющего какую-то работу, но зачастую с помощью ИИ можно получить много полезной информации из данных.

Каковы преимущества использования ИИ в проектировании микросхем?

Горр: Исторически сложилось так, что мы часто используем моделирование на основе физических принципов, что является очень трудоемким процессом. Мы же хотим создать модель пониженного порядка, где вместо решения такой вычислительно сложной и трудоемкой модели мы сможем использовать более дешевый вариант. Можно создать, так сказать, суррогатную модель этой модели на основе физических принципов, использовать данные, а затем проводить параметрические исследования, оптимизации, моделирование методом Монте-Карло, используя эту суррогатную модель. Это занимает гораздо меньше вычислительного времени, чем прямое решение уравнений, основанных на физических принципах. Таким образом, мы видим преимущества во многих аспектах, включая эффективность и экономичность, которые достигаются за счет быстрой итерации экспериментов и моделирования, что действительно поможет в проектировании.

То есть, в каком-то смысле, это как иметь цифрового двойника?

Горр: Именно так. Люди примерно этим и занимаются: у них есть модель физической системы и экспериментальные данные. Затем, в сочетании с этим, у них есть другая модель, которую можно корректировать, настраивать, пробовать разные параметры и проводить эксперименты, позволяющие охватить все эти различные ситуации и в итоге получить более совершенную конструкцию.

Значит, это будет эффективнее и, как вы сказали, дешевле?

Горр: Да, безусловно. Особенно на этапах экспериментирования и проектирования, когда вы пробуете разные варианты. Это, очевидно, приведет к существенной экономии средств, если вы будете непосредственно производить [чипы]. Вам нужно как можно больше моделировать, тестировать и экспериментировать, не прибегая к реальному технологическому процессу.

Мы уже обсудили преимущества. А как насчет недостатков?

Горр: [Экспериментальные модели на основе ИИ] обычно не так точны, как модели, основанные на физических принципах. Конечно, именно поэтому мы проводим множество симуляций и экспериментов с различными параметрами. Но в этом и преимущество цифрового двойника: его можно учитывать — он не будет таким точным, как та самая модель, которую мы разрабатывали годами.

И проектирование, и производство микросхем — это системно-интенсивные процессы; необходимо учитывать каждую мелочь. И это может быть действительно сложной задачей. В таких случаях у вас могут быть модели для прогнозирования чего-либо и различных частей системы, но вам все равно нужно объединить все это воедино.

Ещё один важный момент — это необходимость в данных для построения моделей. Нужно учитывать данные со всевозможных датчиков и от разных команд, что значительно усложняет задачу.

Как инженеры могут использовать ИИ для более эффективной подготовки и извлечения полезной информации из данных, полученных с аппаратного обеспечения или датчиков?

Горр: Мы всегда думаем об использовании ИИ для прогнозирования чего-либо или выполнения какой-либо задачи роботом, но ИИ можно использовать и для выявления закономерностей и обнаружения вещей, которые вы могли бы не заметить самостоятельно. Люди используют ИИ, когда у них есть высокочастотные данные, поступающие от множества различных датчиков, и часто полезно исследовать частотную область и такие вещи, как синхронизация данных или передискретизация. Это может быть действительно сложно, если вы не знаете, с чего начать.

Один из советов, который я бы дал, — используйте доступные инструменты. Существует огромное сообщество людей, работающих над этими вопросами, и вы можете найти множество примеров [приложений и методов] на GitHub или MATLAB Central, где люди поделились хорошими примерами, даже небольшими приложениями, которые они создали. Я думаю, многие из нас погрязли в данных и просто не знают, что с ними делать, поэтому обязательно воспользуйтесь тем, что уже есть в сообществе. Вы можете изучить и посмотреть, что вам подходит, и сбалансировать знания в предметной области с пониманием, которое вы получаете от инструментов и ИИ.

Что следует учитывать инженерам и дизайнерам при использовании ИИ в проектировании микросхем?

Горр: Продумайте, какие проблемы вы пытаетесь решить или какие выводы вы надеетесь сделать, и постарайтесь четко это сформулировать. Рассмотрите все различные компоненты, задокументируйте и протестируйте каждую из этих частей. Учитывайте всех вовлеченных людей, объясняйте и передавайте информацию таким образом, чтобы это было разумно для всей команды.

Как, по вашему мнению, искусственный интеллект повлияет на работу разработчиков микросхем?

Горр: Это высвободит много человеческого капитала для более сложных задач. Мы можем использовать ИИ для сокращения отходов, оптимизации материалов, оптимизации конструкции, но при этом человек всё равно будет участвовать в принятии решений. Я думаю, это отличный пример того, как люди и технологии работают рука об руку. Это также отрасль, где все вовлеченные люди — даже на производственном участке — должны в той или иной степени понимать происходящее, поэтому это отличная отрасль для развития ИИ, потому что это связано с тем, как мы тестируем вещи и как мы их обдумываем, прежде чем внедрять их в микросхемы.

Каким вы видите будущее искусственного интеллекта и проектирования микросхем?

Горр : Всё очень сильно зависит от человеческого фактора — вовлечения людей в процесс и наличия интерпретируемой модели. Мы можем многое сделать с помощью математических тонкостей моделирования, но всё сводится к тому, как люди его используют, как все участники процесса понимают и применяют его. Коммуникация и вовлечение людей всех уровней квалификации в процесс будут действительно важны. Мы увидим меньше сверхточных прогнозов и больше прозрачности информации, обмена данными и цифрового двойника — не только с использованием ИИ, но и с использованием наших человеческих знаний и всей работы, проделанной многими людьми за эти годы.