Проектирование цифровых микросхем
Несколько российских институтов начали масштабный проект по обучению ИИ проектированию цифровых интегральных микросхем. Об этом в середине июля 2024 г. сообщает пресс-служба Фонда перспективных исследований (ФПИ). Основной задачей проекта станет создание демонстратора СБИС с использованием «интеллектуальных» подходов.
В реализации проекта участвуют ФПИ, Институт системного программирования им. В. П. Иванникова РАН, Российский экономический университет им. Г. В. Плеханова, Научно-исследовательский институт системных исследований РАН и компания «Мальт систем».
Проект рассчитан на период с 2024 по 2026 гг. и направлен на разработку «интеллектуальной» САПР СБИС. В основе разработки будет лежать открытый маршрут OpenLane, который уже успешно применяется в реальных проектах. Ожидается, что новая система позволит улучшить характеристики СБИС примерно на 10–20% и повысить эффективность процесса разработки. Проект также предполагает оптимизацию энергопотребления и производительности, разработку моделей машинного обучения, поддержку средств проектирования отечественных технологических процессов и создание центров компетенции для внедрения и технической поддержки.
По информации ФПИ, цель проекта заключается в создании отечественной системы автоматизации проектирования, которая сможет конкурировать с коммерческими решениями, является важным шагом в развитии российской микроэлектроники и обеспечении технологической независимости страны.
Возможности ИИ при создании цифровых микросхем
Проектирование микросхем на основе ИИ предполагает использование ИИ-технологий, как машинное обучение (ML) с использованием ИТ-инструментов для проектирования, верификации и тестирования полупроводниковых устройств. Например, пространство решений для поиска оптимальной мощности, производительности и площади (PPA) для микросхем довольно велико. Существует значительное количество входных параметров, которые можно варьировать и получать различные результаты. По сути, человек не в состоянии исследовать все эти комбинации, чтобы найти наилучшие результаты за определенный промежуток времени, что приводит к снижению производительности.
ИИ может подобрать правильный набор параметров, который обеспечит максимальную рентабельность инвестиций в большом пространстве решений в кратчайшие сроки. Другими словами, качество результатов будет выше и быстрее, чем в других случаях. Выполняя повторяющиеся задачи в цикле разработки микросхем, ИИ позволяет инженерам сосредоточить больше времени на повышении качества и дифференциации микросхем. Например, такие задачи, как исследование пространства проектирования, проверка покрытия и регрессионный анализ, а также генерация тестовых программ и все это может быстро и эффективно решаться с помощью ИИ.
Как работает ИИ-технология
Современные решения для проектирования микросхем с ИИ обычно используют обучение с подкреплением для изучения пространства решений и определения целей оптимизации. Наука о принятии решений, обучение с подкреплением учит оптимальному поведению в среде, взаимодействуя с ней и наблюдая за ее реакцией, чтобы получить максимальное вознаграждение. Процесс включает в себя обучение на ходу, своего рода метод проб и ошибок и таким образом, обучение с подкреплением дает лучшие результаты с течением времени.
Обучение с подкреплением подходит для автоматизации проектирования электроники (EDA) благодаря своей способности целостно анализировать сложные проблемы, решая их со скоростью, на которую не способен человек. ИИ-алгоритмы обучения с подкреплением могут быстро адаптироваться и реагировать на изменения окружающей среды, а также обучаться в непрерывном, динамичном режиме.
Еще один сегмент ИИ, который полупроводниковая промышленность начинает осваивать для разработки чипов, это генеративный ИИ. Основанный на больших языковых моделях, генеративный ИИ изучает шаблоны и структуру входных данных и быстро генерирует контент. Модели генеративного ИИ продемонстрировали свои возможности в самых разных областях применения, одним из наиболее известных примеров является чат-бот ChatGPT. Данные связанные с проектированием микросхем, в основном являются собственными, генеративный ИИ обладает потенциалом для поддержки более специализированных ИТ-платформ или для улучшения внутренних процессов с целью повышения производительности.
Благодаря сочетанию мощного интеллекта и скорости выполнения повторяющихся задач проектирование микросхем на основе ИИ позволяет добиться лучших результатов в кремнии и значительно повысить производительность труда инженеров. Проектирование микросхем с использованием ИИ имеет целый ряд преимуществ, в том числе: в каждом проекте микросхемы есть возможность обеспечить оптимальный статус для целевого применения; выполняя итеративные задачи, ИИ позволяет инженерам сосредоточиться на дифференциации и качестве дизайна микросхем при соблюдении сроков выхода на рынок; поскольку опыт, полученный в ходе реализации одного проекта, может быть сохранен и применен в следующем, ИИ повышает эффективность процессов разработки микросхем; благодаря поддержке ИИ-технологий команды разработчиков микросхем могут быстрее переносить свои проекты с одного технологического узла на другой.
Поделиться