AI ในการวางแผนและออกแบบพื้นชิป
AI กำหนดตำแหน่งส่วนประกอบบนไมโครชิปโดยอัตโนมัติ ซึ่งเป็นปริศนาที่ยากขึ้นชื่อซึ่งกำหนดความเร็ว กำลัง และขนาดของชิป
ภาพรวม
It matters because faster, cheaper chip design feeds the entire AI and electronics industry, including the chips that run AI itself.
เจาะลึก
การวางแผนพื้นจะตัดสินใจว่าจะวางบล็อกต่างๆ ไว้ที่ตำแหน่งใด (หน่วยความจำ ตรรกะ I/O) บนพื้นผิวของชิป เพื่อลดความยาวสายไฟ กำลังไฟ และความร้อนให้เหลือน้อยที่สุด ในขณะที่ปฏิบัติตามข้อจำกัดด้านเวลา จำนวนการจัดเรียงที่เป็นไปได้นั้นมีมากกว่าจำนวนอะตอมในจักรวาล และวิศวกรที่เป็นมนุษย์มักใช้เวลาหลายสัปดาห์ในการปรับแต่งเลย์เอาต์ ในปี 2021 Google ตีพิมพ์ผลงานใน Nature ซึ่งอธิบายถึงวิธีการเสริมแรงและการเรียนรู้ที่สร้างแผนผังพื้นชิปในเวลาไม่กี่ชั่วโมงที่เทียบเคียงหรือดีกว่าที่มนุษย์สร้างขึ้น และถูกนำมาใช้ในการออกแบบตัวเร่ง TPU ของ Google การวางเฟรมระบบเป็นการตัดสินใจตามลำดับ: วางหนึ่งบล็อก สังเกตเค้าโครงบางส่วน วางบล็อกถัดไป AI ยังช่วยเหลือในระยะก่อนหน้าและระยะหลัง ตั้งแต่การสังเคราะห์ตรรกะไปจนถึงการตรวจสอบและตรวจจับการละเมิดกฎการออกแบบ ข้ามเครื่องมือจากบริษัทต่างๆ เช่น Synopsys และ Cadence
ข้อมูลเชิงลึกทางเทคนิค
วิธีการของ Google ปฏิบัติต่อ Chip Canvas เสมือนเป็นกระดาน และใช้สารเสริมการเรียนรู้ที่จะวางบล็อกมาโครทีละบล็อก โดยได้รับคำแนะนำจากรางวัลที่รวมความยาวของสายไฟ ความแออัด และความหนาแน่นเข้าด้วยกัน โครงข่ายประสาทเทียมแบบกราฟเรียนรู้การฝัง netlist กราฟของส่วนประกอบ และการเชื่อมต่อ ดังนั้นนโยบายจึงสามารถสรุปกับชิปที่ไม่เคยเห็นมาก่อน โดยถ่ายทอดสัญชาตญาณที่เรียนรู้ แทนที่จะเริ่มการออกแบบแต่ละอย่างตั้งแต่เริ่มต้น
ผลกระทบเชิงกลยุทธ์
สร้างทางเลือก
การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่
ทีมงานและขั้นตอนการทำงาน
การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้
ความเสี่ยงและความปลอดภัย
กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ
อนาคตของ AI ในการวางแผนและการออกแบบพื้นชิป
เครื่องมือออกแบบที่ขับเคลื่อนด้วย AI กำลังกลายเป็นมาตรฐานในการออกแบบอิเล็กทรอนิกส์อัตโนมัติ โดย Synopsys DSO.ai และ Cadence Cerebrus ได้เพิ่มประสิทธิภาพชิปการผลิตจริงแล้ว พบกับระบบอัตโนมัติแบบ end-to-end ที่บีบอัดวงจรการออกแบบหลายเดือน และช่วยให้ทีมขนาดเล็กบันทึกชิปของคู่แข่งได้ ในขณะที่ AI ออกแบบตัวเร่งความเร็วที่ฝึกโมเดล AI ที่ใหญ่กว่า วงจรการพัฒนาตนเองก็เกิดขึ้น การถกเถียงยังคงดำเนินต่อไปเกี่ยวกับวิธีการที่ AI เอาชนะอัลกอริธึมแบบคลาสสิกได้มากเพียงใด และผลักดันสนามไปสู่การวัดประสิทธิภาพที่เข้มงวดและทำซ้ำได้
การใช้งานจริงในโลกแห่งความเป็นจริง
Google ใช้การเรียนรู้แบบเสริมกำลังเพื่อสร้างแผนผังสำหรับชิปเร่งความเร็ว TPU AI ตามที่อธิบายไว้ในรายงาน Nature ปี 2021
Synopsys DSO.ai ค้นหาพื้นที่การออกแบบโดยอัตโนมัติ และถูกใช้โดยผู้ผลิตชิปเช่น Samsung เพื่อเพิ่มประสิทธิภาพพลังงานและประสิทธิภาพ
Cadence Cerebrus ใช้การเรียนรู้ของระบบเพื่อทำให้ขั้นตอนการใช้งานชิปดิจิทัลเป็นแบบอัตโนมัติและปรับปรุง
เครื่องมือ AI ทำเครื่องหมายการละเมิดกฎการออกแบบและคาดการณ์ความแออัดของเส้นทางตั้งแต่เนิ่นๆ ซึ่งช่วยลดการออกแบบใหม่ในช่วงท้ายที่มีค่าใช้จ่ายสูง
ความเสี่ยงและรั้ว
การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้
ทีมอาจดำเนินการอัตโนมัติมากเกินไปและลบวิจารณญาณของมนุษย์ที่จำเป็นออก
คุณภาพอาจคลาดเคลื่อนได้หากไม่ได้รับการประเมินผลลัพธ์อย่างต่อเนื่อง
แผนงานการดำเนินงาน
แมปขั้นตอนการทำงานปัจจุบันและระบุขั้นตอนที่มีแรงเสียดทานสูงสุด
กำหนดจุดตรวจของมนุษย์ก่อนระบบอัตโนมัติเต็มรูปแบบ
ฝึกอบรมผู้ใช้เกี่ยวกับการแจ้งเตือน เส้นทางการยกระดับ และมาตรฐานคุณภาพ
ติดตามผลลัพธ์ระดับงานเพื่อยืนยันคุณค่าที่ยั่งยืน
สำรวจต่อไป
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Chip Floorplanning and Design quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
คำแนะนำต่อไป
AI ในการออกแบบแอนติบอดีและโปรตีน
คำถามที่พบบ่อย
What is AI in Chip Floorplanning and Design?
AI กำหนดตำแหน่งส่วนประกอบบนไมโครชิปโดยอัตโนมัติ ซึ่งเป็นปริศนาที่ยากขึ้นชื่อซึ่งกำหนดความเร็ว กำลัง และขนาดของชิป สิ่งสำคัญคือการออกแบบชิปที่เร็วกว่าและถูกกว่าจะป้อนอาหารให้กับอุตสาหกรรม AI และอิเล็กทรอนิกส์ทั้งหมด รวมถึงชิปที่ใช้ AI เองด้วย
การวางผังพื้นชิปตัดสินใจอย่างไร
การวางผังจะวางบล็อกการทำงานของชิปเพื่อลดความยาวสายไฟ กำลังไฟ และความร้อนให้เหลือน้อยที่สุดในขณะเดียวกันก็รักษาจังหวะเวลาไว้ด้วย
ในรายงาน Nature ปี 2021 ของ Google AI ใช้เวลานานแค่ไหนในการสร้างแผนผังเพื่อการแข่งขัน
ระบบการเรียนรู้แบบเสริมกำลังสร้างแผนผังภายในไม่กี่ชั่วโมงซึ่งเทียบเท่าหรือดีกว่าการออกแบบของมนุษย์ที่ใช้เวลาหลายสัปดาห์
AI วางกรอบปัญหาการจัดตำแหน่งอย่างไร
เจ้าหน้าที่จะวางมาโครบล็อกทีละบล็อก โดยสังเกตเค้าโครงบางส่วนก่อนแต่ละบล็อกใหม่ เช่น การเคลื่อนไหวในเกมกระดาน
'netlist' ที่โครงข่ายประสาทเทียมแบบกราฟเรียนรู้จากอะไร
netlist อธิบายส่วนประกอบและการเชื่อมต่อระหว่างกัน GNN เข้ารหัสเพื่อให้นโยบายสามารถสรุปกับชิปใหม่ได้
ผลิตภัณฑ์ใดบ้างที่นำการออกแบบชิป AI มาสู่การใช้งานเชิงพาณิชย์
DSO.ai และ Cerebrus เป็นเครื่องมืออัตโนมัติในการออกแบบอิเล็กทรอนิกส์ที่ขับเคลื่อนด้วย AI ซึ่งใช้ในการเพิ่มประสิทธิภาพชิปที่ใช้งานจริง