人工智能將如何改變芯片設計


摩爾定律的終結正在逼近。 工程師和設計師只能做很多事情來使晶體管小型化並將盡可能多的晶體管封裝到芯片中。 因此,他們正在轉向其他芯片設計方法,將 AI 等技術融入流程中。

例如,三星正在將人工智能添加到其內存芯片中,以便在內存中進行處理,從而節省能源並加速機器學習。 說到速度,谷歌的 TPU V4 AI 芯片的處理能力比之前的版本提高了一倍。

但人工智能對半導體行業仍有更大的希望和潛力。 為了更好地了解人工智能將如何徹底改變芯片設計,我們採訪了 希瑟·戈爾高級產品經理 MathWorks‘ MATLAB 平台。

目前如何使用 AI 來設計下一代芯片?

希瑟·戈爾: 人工智能是一項如此重要的技術,因為它涉及到週期的大部分部分,包括設計和製造過程。 這裡有很多重要的應用,即使是在我們想要優化的一般過程工程中。 我認為缺陷檢測在流程的所有階段都是一項重要工作,尤其是在製造中。 但即使在設計過程中提前思考, [AI now plays a significant role] 當您設計燈和傳感器以及所有不同的組件時。 您確實需要考慮很多異常檢測和故障緩解。

一個金發紅頭髮的女人對著鏡頭微笑的肖像希瑟·戈爾MathWorks

然後,考慮到您在任何行業中看到的物流模型,您總是希望減少計劃內的停機時間; 但是您最終也會遇到計劃外的停機時間。 因此,回顧一下歷史數據,當你有可能比預期更長的時間來製造某些東西時,你可以查看所有這些數據並使用人工智能來嘗試識別近因或看到即使在處理和設計階段也可能跳出的東西。 我們通常認為 AI 是一種預測工具,或者是一個做某事的機器人,但很多時候你會通過 AI 從數據中獲得很多洞察力。

使用 AI 進行芯片設計有什麼好處?

戈爾: 從歷史上看,我們已經看到了很多基於物理的建模,這是一個非常密集的過程。 我們想做一個 降階模型,我們可以做一些更便宜的事情,而不是解決這樣一個計算成本高且廣泛的模型。 你可以創建一個基於物理的模型的代理模型,使用數據,然後做你的 參數掃描,你的優化,你的 蒙特卡羅模擬 使用代理模型。 與直接求解基於物理的方程相比,這在計算上花費的時間要少得多。 因此,我們在很多方面都看到了這種好處,包括快速迭代實驗的結果所帶來的效率和經濟性,以及真正有助於設計的模擬。

所以從某種意義上說,這就像擁有一個數字雙胞胎?

戈爾: 確切地。 這幾乎就是人們正在做的事情,你有物理系統模型和實驗數據。 然後,結合起來,您擁有另一個模型,您可以對其進行調整和調整,並嘗試不同的參數和實驗,從而掃清所有這些不同的情況並最終提出更好的設計。

所以,它會更有效率,而且,正如你所說,更便宜?

戈爾: 是的,絕對的。 尤其是在實驗和設計階段,你正在嘗試不同的東西。 如果您實際上是在製造和生產,這顯然會顯著節省成本 [the chips]. 您想盡可能多地模擬、測試、實驗,而不需要使用實際的過程工程來製作東西。

我們已經談到了好處。 缺點如何?

戈爾: 這 [AI-based experimental models] 往往不如基於物理的模型準確。 當然,這就是您進行許多模擬和參數掃描的原因。 但這也是擁有數字雙胞胎的好處,您可以牢記這一點——它不會像我們多年來開發的精確模型那樣準確。

芯片設計和製造都是系統密集型的; 你必須考慮每一個小部分。 這真的很有挑戰性。 在這種情況下,您可能有模型來預測某些事物及其不同部分,但您仍然需要將它們整合在一起。

還要考慮的另一件事是您需要數據來構建模型。 你必須整合來自各種不同傳感器和不同類型團隊的數據,這樣就增加了挑戰。

工程師如何使用 AI 更好地準備並從硬件或傳感器數據中提取見解?

戈爾: 我們一直在考慮使用 AI 來預測某事或執行一些機器人任務,但您可以使用 AI 提出模式並自行挑選出您以前可能沒有註意到的事物。 當人們擁有來自許多不同傳感器的高頻數據時,人們會使用人工智能,而且很多時候探索頻域以及數據同步或重採樣等事情很有用。 如果您不確定從哪裡開始,這些可能會非常具有挑戰性。

我想說的一件事是,使用可用的工具。 有很多人在做這些事情,你可以找到很多例子 [of applications and techniques] 上 GitHub 或者 MATLAB 中心,人們分享了很好的例子,甚至是他們創建的小應用程序。 我認為我們中的許多人都沉浸在數據中,只是不確定如何處理它,所以一定要利用社區中已經存在的東西。 您可以探索和了解什麼對您有意義,並在領域知識和您從工具和 AI 中獲得的洞察力之間取得平衡。

工程師和設計師應該考慮什麼?使用 AI 進行芯片設計?

戈爾: 仔細考慮您要解決的問題或希望找到的見解,並嘗試弄清楚這一點。 考慮所有不同的組件,並記錄和測試每個不同的部分。 考慮所有相關人員,並以對整個團隊都合理的方式進行解釋和交接。

您認為 AI 將如何影響芯片設計師的工作?

戈爾: 它將為更高級的任務釋放大量人力資本。 我們可以使用 AI 來減少浪費、優化材料、優化設計,但在決策制定時仍然需要人工參與。 我認為這是人和技術攜手合作的一個很好的例子。 這也是一個所有相關人員(即使是在製造車間)都需要對正在發生的事情有一定程度了解的行業,因此這是一個推進 AI 的偉大行業,因為我們如何測試事物以及我們在投入之前如何思考它們他們在芯片上。

您如何展望人工智能和芯片設計的未來?

戈爾 它在很大程度上依賴於人的因素——讓人們參與到這個過程中並擁有那個可解釋的模型。 我們可以用建模的數學細節做很多事情,但這取決於人們如何使用它,過程中的每個人如何理解和應用它。 在此過程中,所有技能水平的人的溝通和參與都將非常重要。 我們將看到更少的超精確預測和更多的信息、共享和數字孿生的透明度——不僅使用人工智能,而且使用我們的人類知識和許多人多年來所做的所有工作。

來自您的網站文章

網絡上的相關文章

發佈留言