Штучний інтелект у плануванні поверхів і дизайні на основі мікросхем
AI автоматизує розміщення компонентів на мікрочіпі, сумнозвісно складну головоломку, яка визначає швидкість, потужність і розмір мікросхеми.
Огляд
It matters because faster, cheaper chip design feeds the entire AI and electronics industry, including the chips that run AI itself.
Глибоке занурення
Планування поверхів вирішує, де розташувати численні блоки (пам’ять, логіка, введення/виведення) на поверхні мікросхеми, щоб мінімізувати довжину дроту, потужність і тепло, дотримуючись часових обмежень. Кількість можливих компоновок більша, ніж кількість атомів у Всесвіті, і інженери-людини традиційно витрачали тижні на налаштування макетів. У 2021 році Google опублікував роботу в журналі Nature, в якій описано метод навчання з підкріпленням, який створює плани поверхів чіпів за години, які можна порівняти з планами, створеними людиною, або краще, і він був використаний у розробці прискорювачів TPU Google. Система обрамляє розміщення як послідовне рішення: розмістіть один блок, дотримуйтеся часткового планування, розмістіть наступний. Штучний інтелект також допомагає на ранніх і наступних етапах, від логічного синтезу до перевірки та виявлення порушень правил проектування, за допомогою інструментів таких компаній, як Synopsys і Cadence.
Технічне розуміння
Метод Google розглядає полотно мікросхеми як плату та використовує агент навчання підкріплення, який розміщує макроблоки по одному, керуючись винагородою, яка поєднує довжину дроту, завантаженість і щільність. Графова нейронна мережа вивчає вбудовування списку з’єднань, графа компонентів та їхніх зв’язків, тож політика може узагальнюватися на мікросхеми, яких вона раніше не бачила, передаючи вивчену інтуїцію, а не починаючи кожен дизайн з нуля.
Стратегічний вплив
Створіть вибір
Розробка на рівні програми визначає, чи покращує ШІ реальні результати.
Команда та робочий процес
Хороша інтеграція робочого процесу підвищує продуктивність, якій користувачі довіряють.
Ризики та безпека
Добре розроблені варіанти використання зменшують втому від змін і ризик впровадження.
Майбутнє штучного інтелекту в плануванні поверхів і дизайні чіпів
Інструменти проектування, керовані штучним інтелектом, стають стандартом автоматизації електронного проектування, а Synopsys DSO.ai і Cadence Cerebrus вже оптимізують реальні виробничі чіпи. Очікуйте наскрізну автоматизацію, яка стискає багатомісячні цикли проектування та дозволяє невеликим командам створювати конкурентоспроможні фішки. Коли штучний інтелект розробляє ті самі прискорювачі, які навчають більші моделі ШІ, виникає цикл самовдосконалення. Тривають дебати щодо того, наскільки методи штучного інтелекту перевершують класичні алгоритми, підштовхуючи поле до строгих, відтворюваних тестів.
Реалізація в реальному світі
Google використовував підкріплююче навчання для створення планів поверхів для своїх чіпів-прискорювачів штучного інтелекту TPU, як описано в статті Nature 2021 року.
Synopsys DSO.ai автономно шукає простір дизайну та використовується виробниками мікросхем, як-от Samsung, для оптимізації потужності та продуктивності.
Cadence Cerebrus застосовує машинне навчання для автоматизації та покращення потоків впровадження цифрових мікросхем.
Інструменти штучного інтелекту позначають порушення правил проектування та завчасно передбачають перевантаженість маршрутизації, скорочуючи дорогі зміни на пізніх стадіях.
Ризики та огорожі
Автоматизація несправного процесу може посилити існуючі проблеми.
Команди можуть надмірно автоматизувати роботу й усунути необхідне людське судження.
Якість може погіршуватися, якщо результати не оцінюються постійно.
Дорожня карта впровадження
Намалюйте поточний робочий процес і визначте крок із найбільшим тертям.
Визначте контрольні точки людини перед повною автоматизацією.
Навчіть користувачів підказкам, шляхам ескалації та стандартам якості.
Відстежуйте результати на рівні завдання, щоб підтвердити постійну цінність.
Продовжуйте досліджувати
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
Наступний посібник
ШІ в дизайні антитіл і білків
Часті запитання
What is AI in Chip Floorplanning and Design?
AI автоматизує розміщення компонентів на мікрочіпі, сумнозвісно складну головоломку, яка визначає швидкість, потужність і розмір мікросхеми. Це важливо, тому що швидший і дешевший дизайн чіпів живить всю індустрію штучного інтелекту та електроніки, включно з чіпами, на яких працює сам ШІ.
Що вирішує планування чіпів?
Планування підлоги розміщує функціональні блоки чіпа, щоб мінімізувати довжину дроту, потужність і нагрівання, дотримуючись часу.
У статті Nature 2021 року Google скільки часу знадобилося штучному інтелекту, щоб створити конкурентоспроможні плани поверхів?
Система навчання з підкріпленням створювала плани поверхів за години, що було порівнянно або краще, ніж людські проекти, які тривали тижні.
Як штучний інтелект створює проблему розміщення?
Агент розміщує макроблоки по одному, спостерігаючи за частковим макетом перед кожним новим розміщенням, як ходи в настільній грі.
Що таке «список мереж», з якого навчається графова нейронна мережа?
Список з’єднань описує компоненти та їхні взаємозв’язки; GNN кодує його, щоб політика могла бути узагальнена для нових мікросхем.
Які продукти забезпечують комерційне використання дизайну чіпів штучного інтелекту?
DSO.ai і Cerebrus — це інструменти автоматизації електронного проектування на базі ШІ, які використовуються для оптимізації реальних виробничих мікросхем.