ΕπόμενοΕπόμενος οδηγός
AI for Professors: Course Design
Εφαρμογές
ΟΔΗΓΟΣ Εφαρμογών
AI στο Chip Floorplanning and Design
Η μαθημένη έρευνα τοποθέτησης τσιπ επιλέγει φυσικές θέσεις για εξαρτήματα κυκλώματος κάτω από δηλωμένους στόχους και περιορισμούς.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~3 min
Σε αυτήν τη σελίδα3 λεπτά ανάγνωση
Επισκόπηση
Τα αναφερόμενα αποτελέσματα ενίσχυσης-μάθησης και το κόστος πληρεξουσίου περιγράφουν συγκεκριμένα ερευνητικά συστήματα αντί για εγγυήσεις βέλτιστων διατάξεων ή πλήρους αυτοματοποιημένης σήμανσης τσιπ.
Βαθιά κατάδυση
Ο σχεδιασμός δαπέδων και η τοποθέτηση εκχωρούν φυσικές θέσεις σε εξαρτήματα κυκλώματος σε έναν καμβά τσιπ. Μια netlist περιγράφει εξαρτήματα και τις διασυνδέσεις τους, ενώ μια κάτοψη περιγράφει πού τοποθετούνται αυτά τα στοιχεία. Ο στόχος της φυσικής σχεδίασης περιλαμβάνει περιορισμούς και μέτρα όπως η καλωδίωση, η συμφόρηση, η περιοχή, ο χρονισμός και η ισχύς, τα οποία δεν πρέπει όλα να εξισώνονται με μια εύκολα υπολογισμένη ανταμοιβή. Μια Μεθοδολογία Τοποθέτησης Γραφήματος για Γρήγορο Σχεδιασμό Τσιπ αναφέρει μια προσέγγιση ενισχυτικής μάθησης κάτω από τις μελετημένες λίστες δικτύου και τις συγκρίσεις της. Η συνοδευτική περιγραφή της έρευνας του Google αντιμετωπίζει την τοποθέτηση μακροεντολών ως διαδοχικές ενέργειες: τοποθετήστε μια μακροεντολή, ενημερώστε τη μερική διάταξη και επιλέξτε μια επόμενη τοποθεσία. Η δηλωθείσα εφαρμογή του για το 2020 τοποθετεί στη συνέχεια συστάδες τυπικών κυψελών μέσω μιας διαδικασίας κατευθυνόμενης από τη δύναμη. Αυτός ο καταμερισμός της εργασίας είναι πιο ακριβής από το να πούμε ότι ένα νευρωνικό δίκτυο ολοκληρώνει άμεσα κάθε βήμα της κατασκευής τσιπ. Η εκπαίδευση χρησιμοποιεί γρήγορα κατά προσέγγιση σήματα επειδή η λεπτομερής κατάντη αξιολόγηση μπορεί να είναι δαπανηρή. Το επίσημο έργο Circuit Training τεκμηριώνει το μήκος καλωδίου μεσολάβησης, τη συμφόρηση και την πυκνότητα. Ένας διακομιστής μεσολάβησης μπορεί να βοηθήσει στη σύγκριση υποψηφίων, αλλά μια χαμηλή τιμή δεν πιστοποιεί τη δυνατότητα κατασκευής ή το πλήρες κλείσιμο χρονισμού και δρομολόγησης. Το μισό μήκος καλωδίου της περιμέτρου υπολογίζει την καλωδίωση ενός διχτυού από το παραλληλόγραμμο: την οριζόντια έκτασή του συν την κατακόρυφη έκτασή του. Για τις συντεταγμένες καρφιτσών (0,0), (4,0), (4,3), αυτή η εκτίμηση είναι 4+3=7 μονάδες συντεταγμένων. Το πραγματικό δρομολογημένο μήκος καλωδίου μπορεί να διαφέρει. Το περιβάλλον ελέγχει επίσης τη σκοπιμότητα της τοποθεσίας, συμπεριλαμβανομένων των περιορισμών επικάλυψης και των μπλοκαρισμάτων. Η λειτουργία του can-place-node ρωτά εάν ένας κόμβος μπορεί να καταλάβει μια θέση πλέγματος. δεν είναι μια βαθμολογία που αποδεικνύει την παγκόσμια βέλτιστη. Τα σημεία αναφοράς πρέπει να προσδιορίζουν τη λίστα διαδικτύου, τους περιορισμούς, τη γραμμή βάσης, τον προϋπολογισμό βελτιστοποίησης και την αξιολόγηση κατάντη που χρησιμοποιούνται.
Υλοποίηση σε πραγματικό κόσμο
Αναπαράσταση στοιχείων κυκλώματος και διασυνδέσεων ως γράφημα netlist.
Ανίχνευση διαδοχικών τοποθετήσεων μακροεντολών μιας πολιτικής σε καμβά τσιπ.
Σύγκριση διαμεσολαβητών γρήγορης τοποθέτησης με μεταγενέστερη αξιολόγηση φυσικής σχεδίασης.
Έλεγχος εάν μια προτεινόμενη τοποθεσία μακροεντολής επικαλύπτει ένα απαγορευμένο μπλοκάρισμα.
Το μέλλον της τεχνητής νοημοσύνης στον σχεδιασμό και το σχεδιασμό τσιπ
Τα πειράματα τοποθέτησης μπορούν να συγκρίνουν τις μαθημένες πολιτικές με ισχυρές κλασικές γραμμές βάσης σε τεκμηριωμένα κυκλώματα και περιορισμούς. Οι χρήσιμες αναφορές θα πρέπει να περιλαμβάνουν τόσο γρήγορα αποτελέσματα διακομιστή μεσολάβησης όσο και τους επόμενους ελέγχους φυσικής σχεδίασης που σχετίζονται με την προβλεπόμενη διάταξη. Η έρευνα μπορεί να διερευνήσει τη μεταφορά σε λίστες δικτύου, σειρά ενεργειών, αναπαραστάσεις και προϋπολογισμούς βελτιστοποίησης χωρίς να υποθέσει ότι μια πολιτική γενικεύεται τέλεια. Οι ανοιχτές υλοποιήσεις μπορούν να βοηθήσουν την αναπαραγωγιμότητα όταν διατηρούνται οι εκδόσεις και οι πειραματικές διαμορφώσεις. Τέτοιες εργασίες μπορούν να βελτιώσουν μέρος της διαδικασίας σχεδιασμού, ενώ θα διαφέρουν από την πλήρη επαλήθευση τσιπ, την κατασκευή ή έναν εγγυημένο αυτοβελτιούμενο κύκλο υλικού.
Κάνοντάς το στην πράξη
Γιατί έχει σημασία
- Δημιουργήστε επιλογές. Ο σχεδιασμός σε επίπεδο εφαρμογής καθορίζει εάν η τεχνητή νοημοσύνη βελτιώνει τα πραγματικά αποτελέσματα.
- Ομάδα και ροή εργασίας. Η καλή ενσωμάτωση ροής εργασιών δημιουργεί κέρδη παραγωγικότητας που μπορούν να εμπιστευτούν οι χρήστες.
- Κίνδυνος και ασφάλεια. Οι καλές περιπτώσεις χρήσης μειώνουν την κόπωση λόγω αλλαγής και τον κίνδυνο εφαρμογής.
Προσέξτε
- Η αυτοματοποίηση μιας διαλυμένης διαδικασίας μπορεί να ενισχύσει τα υπάρχοντα προβλήματα.
- Οι ομάδες μπορεί να αυτοματοποιήσουν υπερβολικά και να αφαιρέσουν την απαραίτητη ανθρώπινη κρίση.
- Η ποιότητα μπορεί να αλλάξει αν τα αποτελέσματα δεν αξιολογούνται συνεχώς.
Επόμενα βήματα
- Χαρτογραφήστε την τρέχουσα ροή εργασίας και εντοπίστε το βήμα της υψηλότερης τριβής.
- Καθορίστε ανθρώπινα σημεία ελέγχου πριν από την πλήρη αυτοματοποίηση.
- Εκπαιδεύστε τους χρήστες σε προτροπές, διαδρομές κλιμάκωσης και πρότυπα ποιότητας.
- Παρακολουθήστε τα αποτελέσματα σε επίπεδο εργασίας για να επιβεβαιώσετε τη σταθερή αξία.
Συνεχίστε την εξερεύνηση
Δωρεάν ενημερωτικό δελτίο
Λάβετε την καθημερινή ενημέρωση AI
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Take the AI in Chip Floorplanning and Design quiz
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
Συχνές ερωτήσεις
Τι είναι η τεχνητή νοημοσύνη στο Chip Floorplanning and Design;
Η μαθημένη έρευνα τοποθέτησης τσιπ επιλέγει φυσικές θέσεις για εξαρτήματα κυκλώματος κάτω από δηλωμένους στόχους και περιορισμούς. Τα αναφερόμενα αποτελέσματα ενίσχυσης-μάθησης και το κόστος πληρεξουσίου περιγράφουν συγκεκριμένα ερευνητικά συστήματα αντί για εγγυήσεις βέλτιστων διατάξεων ή πλήρους αυτοματοποιημένης σήμανσης τσιπ.
Ποια φυσική απόφαση παίρνει ο σχεδιασμός ή η τοποθέτηση τσιπς;
Οι τοποθεσίες αλληλεπιδρούν με διασυνδέσεις και φυσικούς περιορισμούς. καμία βαθμολογία τοποθέτησης δεν καλύπτει όλες τις απαιτήσεις απογραφής.
Πώς πρέπει να ερμηνεύεται η αναφορά της αναφερόμενης εργασίας σχετικά με τις ανταγωνιστικές κατόψεις που παράγονται σε ώρες;
Η αναφερόμενη ταχύτητα πρέπει να διατηρεί το πειραματικό της πλαίσιο και το εύρος της.
Πώς πλαισιώνει το AI το πρόβλημα τοποθέτησης;
Ο πράκτορας τοποθετεί μπλοκ μακροεντολών ένα κάθε φορά, παρατηρώντας τη μερική διάταξη πριν από κάθε νέα τοποθέτηση, όπως κινήσεις σε ένα επιτραπέζιο παιχνίδι.
Τι είναι η «netlist» από την οποία μαθαίνει ένα νευρωνικό δίκτυο γραφήματος;
Η netlist περιγράφει τα στοιχεία και τις διασυνδέσεις τους. ένα GNN το κωδικοποιεί, ώστε η πολιτική να μπορεί να γενικευτεί σε νέες μάρκες.
Ποια γρήγορα αντικειμενικά σήματα τεκμηριώνονται από το αναφερόμενο έργο Circuit Training;
Αυτοί οι διακομιστής μεσολάβησης υποστηρίζουν την αναζήτηση τοποθέτησης, αλλά δεν αντικαθιστούν την πλήρη επαλήθευση φυσικής σχεδίασης.
Συνέχισε να μαθαίνεις
Σχετικοί οδηγοί
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα