Çip Zemin Planlama ve Tasarımda Yapay Zeka
Yapay zeka, bir çipin hızını, gücünü ve boyutunu belirleyen, zorlu bir bilmece olan mikroçip üzerindeki bileşenlerin yerleştirilmesini otomatikleştirir.
Genel Bakış
It matters because faster, cheaper chip design feeds the entire AI and electronics industry, including the chips that run AI itself.
Derin Dalış
Kat planlaması, zamanlama kısıtlamalarını karşılarken kablo uzunluğunu, gücü ve ısıyı en aza indirmek için birçok bloğun (bellekler, mantık, G/Ç) çip yüzeyinde nereye yerleştirileceğine karar verir. Olası düzenlemelerin sayısı evrendeki atomların sayısından daha fazladır ve insan mühendisler geleneksel olarak düzenleri ayarlamak için haftalar harcarlardı. 2021'de Google, Nature dergisinde, saatlerce insan yapımı planlarla karşılaştırılabilecek veya onlardan daha iyi çip kat planları üreten bir takviyeli öğrenme yöntemini açıklayan bir çalışma yayınladı ve bu, Google'nin TPU hızlandırıcılarının tasarımında kullanıldı. Sistem yerleştirmeyi sıralı bir karar olarak çerçeveler: bir bloğu yerleştirin, kısmi düzeni gözlemleyin, sonrakini yerleştirin. Yapay zeka ayrıca Synopsys ve Cadence gibi şirketlerin araçları aracılığıyla mantık sentezinden doğrulamaya ve tasarım kuralı ihlallerini tespit etmeye kadar önceki ve sonraki aşamalara yardımcı olur.
Teknik Bilgi
Google'in yöntemi çip tuvalini bir tahta gibi ele alıyor ve kablo uzunluğunu, tıkanıklığı ve yoğunluğu birleştiren bir ödül tarafından yönlendirilerek makro blokları teker teker yerleştiren bir takviyeli öğrenme aracı kullanıyor. Bir grafik sinir ağı, ağ listesinin yerleştirmelerini, bileşenlerin grafiğini ve bağlantılarını öğrenir, böylece politika daha önce görülmemiş çiplere genellenebilir ve her tasarımı sıfırdan başlatmak yerine öğrenilen sezgiyi aktarabilir.
Stratejik Etki
Build choices
Uygulama düzeyinde tasarım, yapay zekanın gerçek sonuçları iyileştirip iyileştirmediğini belirler.
Ekip ve iş akışı
İyi iş akışı entegrasyonu, kullanıcıların güvenebileceği üretkenlik kazanımları sağlar.
Risk and safety
İyi kapsamlı kullanım örnekleri, değişiklik yorgunluğunu ve uygulama riskini azaltır.
Çipli Zemin Planlama ve Tasarımda Yapay Zekanın Geleceği
Yapay zeka destekli tasarım araçları, Synopsys DSO.ai ve Cadence Cerebrus'un halihazırda gerçek üretim çiplerini optimize etmesiyle elektronik tasarım otomasyonunda standart hale geliyor. Birkaç ay süren tasarım döngülerini sıkıştıran ve daha küçük ekiplerin rekabetçi yongaları bantlamasına olanak tanıyan uçtan uca otomasyon bekleyebilirsiniz. Yapay zeka, daha büyük yapay zeka modellerini eğiten hızlandırıcıları tasarlarken, kendi kendini geliştiren bir döngü ortaya çıkıyor. Yapay zeka yöntemlerinin klasik algoritmaları ne kadar geride bıraktığı konusundaki tartışmalar devam ediyor ve bu da alanı titiz, tekrarlanabilir kıyaslamalara doğru itiyor.
Gerçek Dünya Uygulaması
Google, 2021 Nature makalesinde açıklandığı gibi, TPU AI hızlandırıcı çipleri için kat planları oluşturmak amacıyla takviyeli öğrenmeyi kullandı.
Synopsys DSO.ai, tasarım alanlarını bağımsız olarak arar ve Samsung gibi yonga üreticileri tarafından güç ve performansı optimize etmek için kullanılır.
Cadence Cerebrus, dijital çip uygulama akışlarını otomatikleştirmek ve iyileştirmek için makine öğrenimini uyguluyor.
Yapay zeka araçları, tasarım kuralı ihlallerini işaretler ve yönlendirme sıkışıklığını erkenden tahmin ederek, ileri aşamalardaki maliyetli yeniden tasarım işlemlerini azaltır.
Riskler ve Korkuluklar
Bozuk bir süreci otomatikleştirmek mevcut sorunları büyütebilir.
Ekipler aşırı otomatikleşebilir ve gerekli insan muhakemesini ortadan kaldırabilir.
Çıktılar sürekli olarak değerlendirilmezse kalite düşebilir.
Uygulama Yol Haritası
Mevcut iş akışının haritasını çıkarın ve en yüksek sürtünmeli adımı belirleyin.
Tam otomasyondan önce insan kontrol noktalarını tanımlayın.
Kullanıcıları istemler, yükseltme yolları ve kalite standartları konusunda eğitin.
Sürdürülebilir değeri doğrulamak için görev düzeyindeki sonuçları izleyin.
Keşfetmeye Devam Edin
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
Next guide
Antikor ve Protein Tasarımında Yapay Zeka
Sık sorulan sorular
What is AI in Chip Floorplanning and Design?
Yapay zeka, bir çipin hızını, gücünü ve boyutunu belirleyen, zorlu bir bilmece olan mikroçip üzerindeki bileşenlerin yerleştirilmesini otomatikleştirir. Bu önemli çünkü daha hızlı, daha ucuz çip tasarımı, yapay zekayı çalıştıran çipler de dahil olmak üzere tüm yapay zeka ve elektronik endüstrisini besliyor.
Çip kat planlaması neye karar verir?
Kat planlaması, zamanlamayı karşılarken kablo uzunluğunu, gücü ve ısıyı en aza indirecek şekilde çipin işlevsel bloklarını yerleştirir.
Google'in 2021 Nature makalesinde, yapay zekanın rekabetçi kat planları üretmesi ne kadar sürdü?
Takviyeli öğrenme sistemi, haftalar süren insan tasarımlarıyla karşılaştırılabilecek veya onlardan daha iyi kat planları saatler içinde oluşturdu.
Yapay zeka yerleştirme sorununu nasıl çerçeveliyor?
Temsilci, masa oyunundaki hamleler gibi, her yeni yerleştirmeden önce kısmi düzeni gözlemleyerek makro blokları teker teker yerleştirir.
Bir grafik sinir ağının öğrendiği 'netlist' nedir?
Ağ listesi bileşenleri ve bunların ara bağlantılarını açıklar; Politikanın yeni çiplere genelleştirilebilmesi için bir GNN bunu kodlar.
Hangi ürünler yapay zeka çip tasarımını ticari kullanıma taşıyor?
DSO.ai ve Cerebrus, gerçek üretim çiplerini optimize etmek için kullanılan yapay zeka destekli elektronik tasarım otomasyon araçlarıdır.