Инструменты автоматизации электронного дизайна AI могут переопределить

Инструменты автоматизации электронного дизайна AI могут переопределить

При использовании инструментов AI для дизайна чипов Samsung является последней компанией, бросающей его шляпу на растущую арену. Компания, по-видимому, использовала новые инструменты обработки AI из системы производителя автоматизации электронного дизайна (EDA) для создания предстоящих Exynos Mobile SoC. Synopsys - это правдоподобный партнер для такого рода работы; Десятилетия опыта Строительные инструменты проектирования чипов, несомненно, учитывали компании насыщенные набор данных для учебных моделей.

Искусственный интеллект был переосвящен во многих областях относительно того, что сети AI и ML фактически выполнены на сегодняшний день. В некоторых районах, таких как автомобили и медицина, прогресс, прогресс был медленнее, чем ожидалось. Есть причина, чтобы быть оптимистичным в отношении долгосрочного потенциала AI для улучшения конструкций чипов, но мало информации о том, когда реализуются реальные преимущества.

Современная EDA

Одной из различий между применением методов AI / ML к полупроводниковым исследованиям по сравнению с, скажем, самостоятельно-вождения автомобилей, заключается в том, что фирмы дизайна кремния, такие как Intel, AMD и NVIDIA, работают над версией этой цели в одну степень или другую на некоторое время Отказ В первые дни полупроводниковой революции проекты чипов были выложены полностью вручную команды инженеров.

Инструменты автоматизации электронного дизайна AI могут переопределить

Этот график полупроводниковых плотностей до 2020 года иллюстрирует, почему этот подход должен был измениться. С большой плотностью приходит большая ответственность на повышенную зависимость от автоматизированных инструментов. Если это потребуется - и я чисто Spitballing здесь - кусок бумаги 5 футов на стороне, чтобы показать размеры 10 000-транзисторных конструкций по шкале, полезным для людей, представьте, что пытается масштабировать до дизайна чипов с 50 миллионами транзисторы. Intel нужно будет заложить чип на микрофише, чтобы соответствовать талому плана процессора на склад.

Поле электронного дизайна автоматизации началось в начале 1980-х годов как усилия для упрощения конструкции цепи. Сегодня поле имеет множество подразделений, в том числе макеты, логический синтез и синтез высокого уровня. От моделирования транзистора по поведению логики к различным типам анализа и проверки ошибок инструменты EDA сплетены в каждый аспект современного дизайна чипов.

Это не означает, что Intel и AMD перестали передушивать критические пути в микропроцессорах. Эта тема Kursad Albayraktaroglu, один из микропроцессорных инженеров Intel, говорит на балансе между полезностью и ограничениями современных инструментов EDA:

Почти в любом крупном дизайне SOC есть порции, которые традиционно нарисованы в руке для оптимальной производительности или в некоторых случаях просто для размещения присяжных процессов изготовления. Причина в том, что инструменты синтеза недостаточно хороши - они, безусловно, могут сделать достойную работу, но дизайнерские команды хотели бы выжать все возможные унции производительности из архитектуры, разработав эти пути вручную.

Компании, которые хотят построить годовые обновления SOC, могут принять более широкое использование автоматизированных макетов, чем компании, работающие над архитектурами, они ожидают быть на рынке в течение нескольких лет. Kursad также отмечает, что фишки, такие как Bobcat и Jaguar, сделали более тяжелое использование автоматизированных инструментов, чем подобные процессоры, как бульдозер.

AI-infuled EDA может разблокировать новые методы улучшения производительности микропроцессора

Мы видели некоторые намеки на то, что инструменты AI могут повысить производительность по сравнению с человеческими кремниями. Ранее в этом году Google выпустил бумагу, детализирующую, как AI использовался для улучшения физической компоновки Ariane RISC-V CPU. Согласно работе Google, потребовалось AI всего в шесть часов, чтобы создать полный план, который был превосходит все, что было построено человеком, и значительно отличается от типичного дизайна человека.

Инструменты автоматизации электронного дизайна AI могут переопределить

Согласно недавнему отчету Wired, Samsung является последней компанией для принятия этих методов. Комментарии Kursad иллюстрируют, почему компания, такая как Samsung, может быть заинтересована в принятии AI для дизайна чипов прямо сейчас, и почему он может быть немного, пока Intel и AMD объявляет что-то подобное.

Считается, что компании, такими как Samsung и другие поставщики мобильных соц, более полагаются на автоматизированные инструменты и размещение, что означает, что любые улучшения производительности инструментов переводятся непосредственно на получение начисления для этих частей. Apple является исключением; Производитель Cupertino купил себе команду дизайна процессора много лет назад, когда она приобрела PA Semi. Это не значит, что процессоры Exynos Samsung не являются сложными, но Samsung не планирует конкурировать с процессорами X86 от AMD и Intel, как делает Apple.

Компании, работающие над самым высоким представленным процессором, построенные в настоящее время сегодня, будут предпринять свое время, оценивая потенциал для инструментов AI для улучшения энергопотребления, производительности или надежности. Также потребуется время для исследователей, чтобы разработать лучшие, более эффективные модели, и для ученых, чтобы определить, какие наборы обучения являются наиболее эффективными. Любая компания, использующая AI для дизайна чипов, почти наверняка ждет, чтобы объявить ее, пока они не будут абсолютно уверены, что конечный результат будет улучшением того, что они достигли с более традиционными инструментами и рабочими процессами.

До того, как инструменты AI могут построить лучший кремний, исследователи и инженеры должны будут убедиться, что различные модели машинного обучения понимают сложности систем, которые они будут проектировать. Это не тривиальное предприятие. Чем более глубоко компания хочет вовлекать AI в процессе проектирования, тем более способным и многофабрикатым его машины обучающие сети должны быть.

В этом процессе есть два широкого использования для обучения машин и AI: он может заменить и увеличить существующую эвристику для проектирования чипов и сделать предложения для оптимизации дизайна, или его можно было развернуть в сценариях обучения подкреплениями, где инструмент «узнал», как Различные входы изменили поведение инструмента с долгосрочной целью автоматизации процесса.

«Целью использования ML в потоке EDA - не о том, чтобы иметь возможность создавать лучший результат, чем ваш самый опытный инженерной гуру с неограниченным временем», - сообщил полуэнергетию «Дэйвский спожс, директор по развитию бизнеса в группе Digital & Signoff». «Вместо этого, чтобы помочь вашей инженерной команде встретиться и превышать агрессивные цели мощности, производительности и района (PPA) под ограничением агрессивного графика. Цель состоит в том, чтобы сделать инженеры более продуктивными, поднимая уровень абстракции ».

Потенциал здесь реален. У системы AI имели некоторые подлинные успехи; AI обнаружил новый антибиотик в прошлом году, искал пул более 100 миллионов молекул. Принятие инструментов AI может быть одним из методов полупроводниковых компаний, используемых для продолжения повышения эффективности транзистора в течение следующего десятилетия. Поскольку преимущества новых узлов литографии падают, мы видим массив инструментов, развернутых для заполнения пустоты, от более крупных кэшей L3 к новым методам упаковки, а теперь AI, по крайней мере, немного. Не ожидайте срочных чудес, но не удивляйтесь, если мы видим будущие улучшения в различных аспектах проекта процессора и проекта ГПУ, также зачислены на улучшения AI.

Читать далее

Ученые собираются переопределить килограмму
Ученые собираются переопределить килограмму

В настоящее время килограмм контролируется металлическим слипом во французском хранилище, но его важные значения нумеруются.