機(jī)器已可以制造其他機(jī)器,因此人工智能將幫助構(gòu)建它們存在所需的組件,包括處理器和存儲(chǔ)設(shè)備——這聽(tīng)起來(lái)沒(méi)錯(cuò)。但我們距離人工智能取代設(shè)計(jì)工程師還有很長(zhǎng)的路要走。機(jī)器學(xué)習(xí) (ML) 和算法的直接好處是通過(guò)加速繁瑣、耗時(shí)的任務(wù)來(lái)提高生產(chǎn)力。
埃森哲關(guān)于生成式人工智能的年度技術(shù)愿景報(bào)告的最新研究發(fā)現(xiàn),69% 的全球高科技高管希望他們的組織能夠從人工智能的加速創(chuàng)新中受益。高科技行業(yè)主管Syed Alam在接受《EE Times》獨(dú)家采訪(fǎng)時(shí)表示,制造和供應(yīng)鏈?zhǔn)钦谔剿魃墒饺斯ぶ悄芤灾С?a href="http://www.ttokpm.com/v/tag/207/" target="_blank">芯片制造流程的領(lǐng)域。
Alam說(shuō):“生成式人工智能可以通過(guò)協(xié)助質(zhì)量檢查和生產(chǎn)調(diào)度來(lái)提高芯片利用率和產(chǎn)量,”而供應(yīng)鏈可以通過(guò)監(jiān)控和識(shí)別產(chǎn)品交付中的斷點(diǎn)來(lái)優(yōu)化材料可用性來(lái)改善。
他補(bǔ)充說(shuō),設(shè)計(jì)是人工智能將產(chǎn)生影響的另一個(gè)領(lǐng)域,因?yàn)樗梢酝ㄟ^(guò)幫助管理整個(gè)芯片生命周期的復(fù)雜性來(lái)提高上市速度,例如快速原型設(shè)計(jì)和輕松查看產(chǎn)品的所有數(shù)字文檔。
“生成式人工智能的出現(xiàn)對(duì)半導(dǎo)體公司意味著,他們需要從根本上重新思考工作的完成方式,”他說(shuō)?!爸攸c(diǎn)必須放在不斷發(fā)展的運(yùn)營(yíng)和人員培訓(xùn)上,就像技術(shù)上一樣?!?/p>
01.?AI 擅長(zhǎng)優(yōu)化
華邦電子公司移動(dòng) DRAM 經(jīng)理 Tetsu Ho 在接受《EE Times》獨(dú)家采訪(fǎng)時(shí)表示,他認(rèn)為人工智能有潛力通過(guò)提高性能、減少缺陷和提高效率來(lái)徹底改變芯片的設(shè)計(jì)和制造?!拔覀冋J(rèn)為人工智能可以幫助設(shè)計(jì)周期時(shí)間,例如電路布局和效率模擬結(jié)果?!?/p>
在設(shè)計(jì)過(guò)程方面,Ho補(bǔ)充說(shuō),可以使用ML算法來(lái)優(yōu)化芯片性能。人工智能還可以幫助生成新的芯片架構(gòu)并優(yōu)化芯片布局,從而提高性能,同時(shí)降低功耗。
他表示,設(shè)計(jì)可以進(jìn)一步優(yōu)化,因?yàn)槿斯ぶ悄芸梢詭椭A(yù)測(cè)不同場(chǎng)景下的芯片行為,以識(shí)別潛在問(wèn)題。同樣,人工智能可用于制造中,以識(shí)別和糾正生產(chǎn)線(xiàn)中的問(wèn)題,也可用于分析傳感器數(shù)據(jù),以識(shí)別制造過(guò)程中芯片的缺陷。他補(bǔ)充說(shuō),人工智能還可以指導(dǎo)流程調(diào)整,以減少缺陷并提高良率。
此外,人工智能還可以用來(lái)改善質(zhì)量控制,因?yàn)樗梢宰R(shí)別人類(lèi)難以察覺(jué)的缺陷,例如肉眼無(wú)法看到的劃痕或裂紋。
“由于大量有意義的標(biāo)簽數(shù)據(jù),人工智能可以加快先進(jìn)工藝節(jié)點(diǎn)產(chǎn)品的產(chǎn)量提升,并優(yōu)化進(jìn)度周期時(shí)間。”
例如,Nvidia首席科學(xué)家 Bill Dally 在獨(dú)家專(zhuān)訪(fǎng)中告訴《EE Times》,Nvidia 正在與德克薩斯大學(xué)合作,探索人工智能如何通過(guò)基于 DREAMPlace 的自動(dòng)宏布局 (AutoDMP)來(lái)幫助設(shè)計(jì)過(guò)程,以?xún)?yōu)化宏布局。
AutoDMP 使用開(kāi)源分析放置器 DREAMPlace 作為并發(fā)宏和單元放置的放置引擎,并使用 PyTorch 深度學(xué)習(xí) (DL) 框架來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。Dally 表示,DREAMPlace 的優(yōu)點(diǎn)是運(yùn)行速度非???,因此可以進(jìn)行許多試驗(yàn)和學(xué)習(xí),盡管它不是當(dāng)今與 AI 最相關(guān)的 DL 框架。
圖:Nvidia 正在與德克薩斯大學(xué)合作,探索人工智能如何通過(guò)基于 DREAMPlace 的自動(dòng)化宏布局來(lái)幫助設(shè)計(jì)過(guò)程,以?xún)?yōu)化宏布局。(來(lái)源:英偉達(dá))
Dally 說(shuō),放置宏有許多經(jīng)過(guò)驗(yàn)證的做法,但手動(dòng)找到最佳位置非常耗時(shí)。宏布局是芯片設(shè)計(jì)過(guò)程的一個(gè)關(guān)鍵方面,因?yàn)樗鼘?duì)芯片的布局有重大影響,直接影響面積和功耗等許多設(shè)計(jì)指標(biāo)。如今,大多數(shù)數(shù)字芯片集成了許多宏,通常是內(nèi)存博客或模擬塊,它們通常比標(biāo)準(zhǔn)單元大得多。
Dally 表示,AutoDMP 研究不僅證明了將 GPU 加速布局器與 AI/ML 多目標(biāo)參數(shù)優(yōu)化相結(jié)合的有效性,而且還可能帶來(lái)額外的設(shè)計(jì)空間探索技術(shù)。
02.?簡(jiǎn)單的人工智能可以加快設(shè)計(jì)過(guò)程
使用人工智能進(jìn)行芯片設(shè)計(jì)并不需要很復(fù)雜,其價(jià)值在于它將人類(lèi)從重復(fù)性任務(wù)中解放出來(lái),同時(shí)還可以減少錯(cuò)誤并提高準(zhǔn)確性。Dally 表示,Nvidia 使用人工智能的另一個(gè)例子是通過(guò)強(qiáng)化學(xué)習(xí),使用名為 NVCell 的工具來(lái)設(shè)計(jì)單元庫(kù)。
“它比人類(lèi)更好?!?/p>
從 5 nm 轉(zhuǎn)移到 3 nm 需要重新布局庫(kù)中的 2,500 個(gè)單元,同時(shí)遵守復(fù)雜的現(xiàn)代設(shè)計(jì)規(guī)則,Dally 表示,這項(xiàng)工作過(guò)去需要 10 個(gè)人花費(fèi) 8 個(gè)月的時(shí)間才能完成。
“現(xiàn)在,只需在 GPU 上運(yùn)行一整夜即可?!?/p>
他說(shuō),這是人工智能作為生產(chǎn)力工具的一個(gè)例子,它可以讓設(shè)計(jì)師減少瑣碎的勞動(dòng),專(zhuān)注于做出更高層次的決策——轉(zhuǎn)向新流程時(shí)節(jié)省的時(shí)間可以用來(lái)做更有價(jià)值的事情。
“這節(jié)省了人們的時(shí)間,因此我們可以用更少的人做更多的事情?!?/p>
03.?這是團(tuán)隊(duì)的努力
Dally指出,我們的目標(biāo)不是擺脫人們?!拔覀兿胱龈唷?duì)于其他芯片,我們有很多很棒的想法?!?/p>
如果沒(méi)有人工智能生產(chǎn)力工具,就會(huì)出現(xiàn)工時(shí)短缺——五件事可能會(huì)因?yàn)闆](méi)有足夠的時(shí)間而被刮掉?!艾F(xiàn)在,我們將能夠做這五件事,因?yàn)槲覀儗碛邢嗤瑪?shù)量的人員,但他們的生產(chǎn)力會(huì)更高。”
他補(bǔ)充說(shuō),以前設(shè)計(jì)的訓(xùn)練數(shù)據(jù)也可以用于新設(shè)計(jì),以加快這一過(guò)程?!拔覀冇幸粋€(gè)我們?cè)O(shè)計(jì)的芯片檔案,可以用來(lái)訓(xùn)練工具。他們了解設(shè)計(jì)師在這些芯片中放入了什么,并可以在其他芯片中復(fù)制這些內(nèi)容?!?/p>
但Dally表示,良好的芯片設(shè)計(jì)需要?jiǎng)?chuàng)造力和經(jīng)驗(yàn),而人工智能僅在規(guī)定和受限的場(chǎng)景中有效。
“一旦做出重大決策,人工智能就能更好地優(yōu)化事物?!?/p>
Lam Research (泛林研究)還在探索人類(lèi)和人工智能如何最好地合作來(lái)優(yōu)化芯片設(shè)計(jì),因?yàn)殡S著芯片尺寸不斷縮小,復(fù)雜性不斷增加,對(duì)精度和準(zhǔn)確度的需求也隨之增加。該研究公司最近在《自然》雜志上發(fā)表了一項(xiàng)研究,概述了人類(lèi)和機(jī)器合作與工程師或人工智能單獨(dú)合作時(shí)的差異。
圖:Lam Research 創(chuàng)建了一個(gè)虛擬環(huán)境來(lái)快速測(cè)試算法如何找到控制等離子體與硅晶圓相互作用的合適配方。(來(lái)源:泛林研究)
泛林研究執(zhí)行副總裁兼首席執(zhí)行官顧問(wèn) Rick Gottscho 在接受《EE Times》的采訪(fǎng)時(shí)表示,最好的方法似乎是“人類(lèi)優(yōu)先,計(jì)算機(jī)最后”的合作。
泛林研究讓工程師和計(jì)算機(jī)算法相互競(jìng)爭(zhēng),為芯片制造中使用的原子級(jí)等離子體蝕刻工藝開(kāi)發(fā)出一種理想的配方,研究發(fā)現(xiàn),雖然人類(lèi)工程師仍然至關(guān)重要,但混合人機(jī)方法可以幫助減輕繁瑣和困難。研發(fā)的繁重工作,使工程師能夠?qū)W⒂诟咛魬?zhàn)性的問(wèn)題。
Gottscho 表示,芯片被用來(lái)設(shè)計(jì)芯片已經(jīng)有幾十年了?!罢诎l(fā)生的事情是,那些用于設(shè)計(jì)芯片和進(jìn)行布局的自動(dòng)化例程變得比過(guò)去更加復(fù)雜?!?/p>
然而,在處理器領(lǐng)域,很難有效地使用計(jì)算機(jī)輔助設(shè)計(jì),他說(shuō)。
“方案是通過(guò)反復(fù)試驗(yàn)而制定的。” Gottscho 表示,這個(gè)問(wèn)題比 Nvidia 等公司正在解決的布局挑戰(zhàn)更難解決。
04.?“物理學(xué)非常復(fù)雜?!?/strong>
自動(dòng)駕駛汽車(chē)成為可能的原因之一是汽車(chē)上的許多傳感器收集大量數(shù)據(jù),這些數(shù)據(jù)可以為適用于所有車(chē)輛的復(fù)雜算法提供信息。但如果您正在開(kāi)發(fā)等離子體沉積工藝,則可以在蝕刻機(jī)上運(yùn)行一百萬(wàn)億種不同的配方,從而在晶圓上產(chǎn)生可測(cè)量的差異,Gottscho 解釋道。
“你如何從一百萬(wàn)億個(gè)方案中挑選出一個(gè)?哪一個(gè)最好?”
他說(shuō),為了生成數(shù)據(jù),每個(gè)實(shí)驗(yàn)通常需要一天的時(shí)間并花費(fèi)數(shù)千美元,這使得生成大數(shù)據(jù)變得不切實(shí)際。
Gottscho 表示,這項(xiàng)研究本身就是一個(gè)挑戰(zhàn),因?yàn)?Lam 需要一種方法來(lái)公平地評(píng)估數(shù)據(jù)科學(xué)家生成的許多不同算法。他說(shuō),重要的一步不是在現(xiàn)實(shí)世界中這樣做。
“實(shí)驗(yàn)時(shí)間太長(zhǎng),而且成本太高。我們需要太多的數(shù)據(jù)來(lái)評(píng)估一種算法,更不用說(shuō)評(píng)估一大堆不同的算法了?!?/p>
Gottscho說(shuō),這就是研究人員選擇在虛擬世界中進(jìn)行實(shí)驗(yàn)的原因。
“我們創(chuàng)建了一個(gè)虛擬環(huán)境來(lái)模仿等離子蝕刻機(jī)上發(fā)生的情況?!?在與工藝工程師確認(rèn)它與現(xiàn)實(shí)世界一樣現(xiàn)實(shí)且令人沮喪后,Lam 能夠大幅降低實(shí)驗(yàn)成本,并更快地評(píng)估一種算法與另一種算法的比較。
Gottscho 說(shuō),一個(gè)關(guān)鍵的結(jié)果是,數(shù)據(jù)科學(xué)家和他們最喜歡的機(jī)器學(xué)習(xí)算法都嚴(yán)重失敗,因?yàn)樗麄內(nèi)狈︻I(lǐng)域知識(shí)和經(jīng)驗(yàn)。與此同時(shí),專(zhuān)家工程師和初級(jí)工程師的學(xué)習(xí)曲線(xiàn)都遵循特定的模式。
“通過(guò)一些實(shí)驗(yàn),他們會(huì)學(xué)得很快?!?/p>
研究最終表明,工程師在達(dá)到客戶(hù)目標(biāo)的調(diào)整過(guò)程中會(huì)取得令人滿(mǎn)意的進(jìn)展,但在某個(gè)時(shí)刻,他們會(huì)因?yàn)闆](méi)有取得太大進(jìn)展而感到沮喪。
“這就是花費(fèi)大部分時(shí)間和金錢(qián)的地方?!?/p>
05.?人工智能需要人來(lái)解決設(shè)計(jì)問(wèn)題
Gottscho 說(shuō),研究表明,人工智能可以接管一個(gè)交接點(diǎn),從工程師的努力中學(xué)習(xí)——他們的工作教授算法,以便它可以被快速利用,并處理緩慢、令人沮喪的過(guò)程。的過(guò)程?!斑@是為了提高人們的生產(chǎn)力?!?/p>
他說(shuō),這也表明采取混合方法是必要的?!皼](méi)有領(lǐng)域知識(shí)的機(jī)器就像新生嬰兒。神經(jīng)網(wǎng)絡(luò)中沒(méi)有連接。沒(méi)有學(xué)習(xí)的余地?!?/p>
Gottscho 表示,這意味著人工智能不會(huì)很快取代半導(dǎo)體設(shè)計(jì)行業(yè)的人員——嬰兒需要時(shí)間來(lái)學(xué)習(xí)。
“你需要某種方法來(lái)整理之前的學(xué)習(xí)成果。”
他說(shuō),訣竅是從那些從事他們喜歡的工作的人那里汲取經(jīng)驗(yàn),因?yàn)樗麄冞M(jìn)步很快。
“當(dāng)它變成苦差事時(shí),那就是你把它交給更擅長(zhǎng)這項(xiàng)苦差事的機(jī)器的時(shí)候。”
編輯:黃飛
?
評(píng)論
查看更多