Hoe AI het chipontwerp zal veranderen

Het einde van de wet van Moore is in zicht. Ingenieurs en ontwerpers kunnen slechts een beperkte hoeveelheid doen om transistors te miniaturiseren en ze zoveel mogelijk in chips te verpakken. Dus wenden ze zich tot andere benaderingen van chipontwerp, waarbij technologieën zoals AI in het proces worden geïntegreerd.

Samsung voegt bijvoorbeeld AI toe aan zijn geheugenchips om verwerking in het geheugen mogelijk te maken, energie te besparen en machine learning te versnellen. Over snelheid gesproken: de TPU V4 AI-chip van Google heeft zijn verwerkingskracht verdubbeld vergeleken met de vorige versie.

Maar AI heeft nog meer beloftes en potentieel voor de halfgeleiderindustrie. Om beter te begrijpen hoe kunstmatige intelligentie een revolutie teweeg zal brengen in het chipontwerp, spraken we met Heather Gorr, senior productmanager voor het MATLAB-platform van MathWorks.

Hoe wordt AI momenteel gebruikt om de volgende generatie chips te ontwerpen?

Heather Gorr: AI is zo’n belangrijke technologie omdat het betrokken is bij de meeste delen van de cyclus, inclusief het ontwerp- en productieproces. Er zijn hier veel belangrijke toepassingen, zelfs in de algemene procestechniek waar we dingen willen optimaliseren. Ik denk dat het opsporen van defecten een groot probleem is in alle stadia van het proces, vooral tijdens de productie. Maar zelfs vooruitdenken in het ontwerpproces, [AI now plays a significant role] wanneer je het licht en de sensoren en alle verschillende componenten ontwerpt. Er zijn veel manieren om afwijkingen op te sporen en fouten te beperken waar u echt rekening mee wilt houden.

Heather GorrMathWorks

Als u dan denkt aan de logistieke modellen die u in welke branche dan ook ziet, is er altijd geplande downtime die u wilt beperken; maar uiteindelijk heb je ook ongeplande downtime. Dus als je terugkijkt op die historische gegevens, als je die momenten hebt gehad waarop het misschien wat langer duurde dan verwacht om iets te produceren, kun je naar al die gegevens kijken en AI gebruiken om te proberen de directe oorzaak te identificeren of iets te zien dat zou kunnen komen zelfs in de verwerkings- en ontwerpfase naar voren. We denken vaak aan AI als een voorspellend hulpmiddel of als een robot die iets doet, maar vaak haal je via AI veel inzichten uit data.

Wat zijn de voordelen van het gebruik van AI voor chipontwerp?

gorr: Historisch gezien hebben we veel op fysica gebaseerde modellen gezien, wat een zeer intensief proces is. We willen een model met gereduceerde bestellingen doen, waarbij we in plaats van zo’n duur en uitgebreid model op te lossen, iets goedkoper kunnen doen. Je zou als het ware een surrogaatmodel kunnen maken van dat op fysica gebaseerde model, de gegevens kunnen gebruiken en dan je parameter-sweeps, je optimalisaties en je Monte Carlo-simulaties kunnen uitvoeren met behulp van het surrogaatmodel. Het kost veel minder rekentijd dan het direct oplossen van op natuurkunde gebaseerde vergelijkingen. We zien dat voordeel dus op veel manieren, inclusief de efficiëntie en zuinigheid die voortkomen uit de snelle herhaling van experimenten en simulaties die het ontwerp echt zullen helpen.

Dus het is in zekere zin alsof je een digitale tweeling hebt?

gorr: Rechts. Dat is meestal wat mensen doen, waarbij je een model hebt van een fysiek systeem en experimentele gegevens. Dan heb je samen dit andere model dat je kunt aanpassen en aanpassen en verschillende parameters en experimenten kunt uitproberen waarmee je al deze verschillende situaties kunt doorlopen en uiteindelijk met een beter ontwerp kunt komen.

Dus het zal efficiënter zijn en, zoals u zei, goedkoper?

gorr: Ja absoluut. Vooral in de experimenteer- en ontwerpfase, waarin je verschillende dingen uitprobeert. Dit zal uiteraard dramatische kostenbesparingen opleveren als je daadwerkelijk produceert en produceert [the chips]. Je wilt zoveel mogelijk simuleren, testen, experimenteren zonder iets te bouwen met daadwerkelijke procestechniek.

We spraken over de voordelen. Hoe zit het met de nadelen?

gorr: De [AI-based experimental models] ze zijn meestal niet zo nauwkeurig als op natuurkunde gebaseerde modellen. Daarom doe je natuurlijk veel simulaties en parameterbeoordelingen. Maar dat is ook het voordeel van die digitale tweeling, waar je dat in gedachten kunt houden: het zal niet zo nauwkeurig zijn als dat precieze model dat we in de loop der jaren hebben ontwikkeld.

Zowel het chipontwerp als de productie zijn systeemintensief; je moet elk klein onderdeel overwegen. En dat kan een hele uitdaging zijn. Het is een geval waarin je modellen kunt hebben om iets en verschillende delen ervan te voorspellen, maar je moet het nog steeds allemaal samenvoegen.

Een van de andere dingen waar je ook over na moet denken, is dat je gegevens nodig hebt om het model te bouwen. Je moet data van allerlei verschillende sensoren en verschillende soorten teams integreren, en dat maakt de uitdaging nog groter.

Hoe kunnen ingenieurs AI gebruiken om inzichten beter voor te bereiden en uit hardware- of sensorgegevens te halen?

gorr: We denken er altijd aan om AI te gebruiken om iets te voorspellen of om een ​​robottaak uit te voeren, maar je kunt AI gebruiken om patronen te bedenken en zelf dingen uit te zoeken die je misschien nog niet eerder hebt opgemerkt. Mensen zullen AI gebruiken als ze hoogfrequente gegevens hebben die afkomstig zijn van veel verschillende sensoren, en vaak is het nuttig om het frequentiedomein te verkennen en zaken als gegevenssynchronisatie of herbemonstering. Het kan een hele uitdaging zijn als je niet zeker weet waar je moet beginnen.

Een van de dingen die ik zou zeggen is: gebruik de beschikbare hulpmiddelen. Er is een enorme gemeenschap van mensen die aan dit soort dingen werken en je kunt veel voorbeelden vinden [of applications and techniques] op GitHub of MATLAB Central, waar mensen leuke voorbeelden hebben gedeeld, zelfs kleine applicaties die ze hebben gemaakt. Ik denk dat velen van ons overweldigd worden door gegevens en gewoon niet zeker weten wat ze ermee moeten doen, dus profiteer zeker van wat er al in de gemeenschap beschikbaar is. U kunt verkennen en zien wat voor u logisch is, en de balans tussen domeinkennis en inzicht overbrengen die u krijgt van tools en AI.

Waar moeten ingenieurs en ontwerpers rekening mee houden?nl AI gebruiken voor chipontwerp?

gorr: Denk na over welke problemen je probeert op te lossen of welke inzichten je hoopt te vinden, en probeer daar duidelijk over te zijn. Overweeg alle verschillende componenten, documenteer en test elk van die verschillende onderdelen. Houd rekening met alle betrokken mensen, leg uit en communiceer op een manier die zinvol is voor het hele team.

Hoe denkt u dat AI de banen van chipontwerpers zal beïnvloeden?

gorr: Dit zal veel menselijk kapitaal vrijmaken voor meer geavanceerde taken. We kunnen kunstmatige intelligentie gebruiken om afval te verminderen, materialen te optimaliseren, ontwerp te optimaliseren, maar dan heb je nog steeds die mens betrokken als het gaat om besluitvorming. Ik vind het een mooi voorbeeld van hoe mensen en technologie hand in hand werken. Het is ook een sector waarin alle betrokkenen – zelfs op de productievloer – een bepaald niveau van begrip moeten hebben van wat er aan de hand is. Het is dus een geweldige industrie om AI vooruit te helpen vanwege de manier waarop we dingen testen en erover nadenken voordat we ze doen. laten we ze op de chip zetten.

Hoe zie jij de toekomst van AI en chipontwerp?

Gorr: Het hangt sterk af van dat menselijke element: mensen bij het proces betrekken en dat interpreteerbare model hebben. We kunnen veel dingen doen met de wiskundige details van modellering, maar het komt allemaal neer op hoe mensen het gebruiken, hoe iedereen in het proces het begrijpt en toepast. Communicatie en het betrekken van mensen van alle niveaus bij het proces zullen van groot belang zijn. We zullen minder van die supernauwkeurige voorspellingen zien en meer informatietransparantie, het delen en die digitale tweeling – niet alleen met behulp van kunstmatige intelligentie, maar ook met behulp van onze menselijke kennis en al het werk dat veel mensen door de jaren heen hebben gedaan.