人工智能越来越多地用于半导体设计，其优势之一是人工智能技术将探索人类甚至拒绝考虑的设计权衡。
例如，考虑保证金的概念。 设计人员在将电路放置在芯片上时会留出误差余量，以预测制造过程中可能出现的错误，例如，可能会导致信号在芯片上传播的时间发生偏差。 人类希望为错误留出尽可能大的余地。 机器会更大胆。
芯片设计软件制造商 Synopsys 的首席执行官 Aart de Geus 解释说：“保证金本质上是一种风险计算，这对人类来说是绝对不可能的事情。”
“机器会优化一切，一切。” 这意味着机器会承担风险，将错误的范围缩小到人类认为可以接受的范围之外。
De Geus 周一在高级计算年度 Hot Chips 计算机芯片会议上发表主题演讲之前与 ZDNet 进行了交谈。 该会议今年以虚拟方式举行。
De Geus 正在向 ZDNet 解释 AI 技术在公司软件中的扩展，该软件已经开发了数年。
该程序名为 DSO.ai，于一年前的 5 月首次推出。 那个程序本来可以优化芯片平面图中的电路布局，二维区域的使用方式。
de Geus 周一的主题演讲的主题是 Synopsys 如何超越芯片的物理布局优化来优化其他因素。
一种是所谓的架构。 芯片架构是指芯片上应该使用什么样的电路和什么样的功能块，比如算术逻辑单元、缓存、寄存器和流水线。
“就在最近，我们现在开始进行微架构决策，例如，我们现在还可以优化平面图和时钟方案，”de Geus 说。
除了物理电路布局和架构决策之外，Synopsys 现在还致力于优化第三个向量，即芯片的功能方面或行为。
这包括开发一种反馈回路，其中最终将由芯片运行的软件被建模为一个变量，用于优化逻辑和物理设计。
“坦率地说，我认为不容易实现的突破是，我们现在也有能力查看将在芯片上运行的软件，对预期的利用率峰值、热功率时刻进行分析， 并据此优化芯片，”de Geus 解释道。
最终目标是为芯片设计程序设定一些规则，让它自己解决所有问题。
“从芯片的规格开始，做出一些架构决策，我们将剩下的全部自动化，”de Geus 喜欢这样描述这个愿景。
在最初使用这三个向量时，de Geus 表示 Synopsys 已经看到了一种“超大规模芯片”，这种芯片将用于数据中心进行大量计算——包括人工智能——它能够拥有自己的 功耗降低了 27%。
“功率降低了，但现在当你接触到软件时，你就处于不同的水平，因为功率降低一直很困难，但估计它非常具有挑战性，”de Geus 说。 芯片就像一个水龙头：当它们闲置时，它们会滴水，漏电，这是一个相对稳定的东西，他说。 但是，类似于打开和关闭水龙头的动态功率的可预测性要低得多。
“在我看来，力量是我们所做的任何事情中最困难的物理特征，”de Geus 说。 “因为从字面上看，它从制造中使用的材料的本质、单个晶体管的配置等等，一直延伸到应用领域。”
三星是 Synopsys 的第一家客户，他们表示他们制造了一款使用 DSO.ai 软件优化的芯片。
Synopsys 的工具依赖于一种称为强化学习的机器学习形式。 谷歌的 DeepMind 部门使用这项技术取得了巨大效果，实现了 2016 年在围棋和国际象棋比赛中击败所有人类玩家的阿尔法零程序。
在过去的两年里，谷歌将机器学习扩展到芯片设计自动化，但仅限于提到的第一个矢量领域，即物理布局。 “谷歌正在关注布局部分，我们正在优化的不是布局，而是综合和时序以及物理和测试优化，”de Geus 说。 他强调，芯片设计的“复杂性非常大”，还有很大的优化空间。
这种通过机器学习实现的自动化正在传播到半导体行业的所有参与者。 Synopsys 的主要竞争对手 Cadence Design 讨论了其 Cerebrus 工具如何将芯片性能、功耗和面积利用率提高 20% 或更多。
全球收入最大的半导体制造工具制造商应用材料公司今年推出了 SEMVision，这是一种缺陷检测软件程序，它使用机器学习以适应新信息的方式对硅晶片上的各种缺陷进行分类。
对 de Geus 来说，人工智能在芯片设计工具链中的传播是人工智能在全球传播的自然结果。 在一种巨大的反馈循环中，更快的芯片使数据激增成为可能，这正在加速使用这些芯片分析一切的活动，这反过来又对速度产生了更大的需求，给芯片制造商带来了提高性能的进一步压力 .
“我一直觉得摩尔定律是最终的推动力——突然间你可以做以前做不到的事情，”de Geus 说。 “现在，人们说，我正在做一点机器学习，这很棒，但为什么你的芯片这么慢！”
他说，结果是“现在这座 [摩尔定律] 的山峰被相反的东西所补充，这就是漏斗向下 – 技术推动经济拉动，”他说，指的是人们想要的经济拉动 做更多的事情来改善业务成果。
在推拉的压力下，人工智能可能成为找到打破瓶颈的新解决方案的方法，就像阿尔法零找到人类从未在围棋和国际象棋中看到的解决方案一样，尽管规则已经存在了数百年或数千年。
“对我来说，它们并不奇怪，但对我来说它们很有趣，”de Geus 在谈到人工智能设计方法时说。
“当你优化一切时，你就会减少一切的利润，”de Geus 解释道。 “除此之外，芯片上有很多地方实际上可以提高利润率，而且从统计数据来看，这会让你的收益率更高。”
良率是指单片硅晶圆能产出多少颗好的芯片，是所有芯片厂商及其供应商如台积电的核心经济问题。
更小的误差幅度允许更大的风险，但风险再次成为人类难以接受且通常无法接受的东西。
de Geus 说，这包括“他们 [人类] 不知道对设计其他部分的依赖性的风险。”
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。商机网仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 tenspace2022@163.com 举报，一经查实，本站将立刻删除。 本文链接：https://www.315965.com/n/66502.html
