زمان تقریبی مطالعه: 4 دقیقه

تاریخ: ۱۴۰۰-۰۶-۰۴
نویسنده: سهیل
انقلاب طراحی تراشه توسط هوش مصنوعی یا Artificial intelligence رهبری می شود

برای چندین دهه، نوآوری مداوم در دنیای طراحی تراشه (نیمه هادی) باعث شده است پردازنده ها سریعتر، کارآمدتر و راحت تر تولید شوند. هوش مصنوعی (A.I.) موج بعدی نوآوری را هدایت می کند و  مدت زمان فرایند طراحی تراشه ها را از سالها به ماهها کوتاه تر می کند و این فرآیند را به طور کامل و مستقلانه رهبری می کند.

گوگل، انویدیا و دیگران، تراشه های تخصصی طراحی شده توسط A.I را به نمایش گذاشته اند و شرکت های اتوماسیون طراحی الکترونیکی (EDA) قبلاً از هوش مصنوعی استفاده کرده اند. برای سرعت بخشیدن به طراحی تراشه شرکت نرم افزاری Synopsys دید وسیع تری دارد:  کل پرو سه طراحی تراشه ها از اول تا آخر توسط A.I. مدیریت می شود.

A.I. قبلاً قدرت ماندگاری خود را در دنیای نیمه هادی ها نشان داده است و با پیشرفت هایش، می توان آن را مانند قبل در این عرصه مشاهده کرد.

Ai به همان اندازه که سریع است ارزان تر نیز هست

Synopsys در Hot Chips، یک کنفرانس نیمه هادی سالانه، توسعه نرم افزار DSO.ai خود را که می تواند کل فرایند طراحی تراشه را مدیریت کند، اعلام کرد. DSO.ai در حال حاضر در شرکت هایی مانند سامسونگ برای طراحی تراشه های Exynos خود، که در تلفن های هوشمند و سایر دستگاه های هوشمند دیگر استفاده می شود، وارد کار شده است. با این حال، در حال حاضر تنها مجموعه محدودی از چالش های طراحی را برطرف می کند. در حال حاضر، Synopsys می گوید که می تواند این روند را از اول تا آخر مدیریت کند.

Synopsys آن را “سخت افزار طراحی شده با نرم افزار” می نامد و از “سخت افزار تعریف شده توسط نرم افزار” که طراحان تراشه سالها از آن استفاده می کردند، جدا کرده است. استلیوس دیامانتیدیس، مدیر ارشد A.I.، می گوید: «شما ابزارهایی دارید که می توانید یک تراشه را از مشخصات اولیه تا انتهایی مدیریت کنید. همچنین گفت که راه حل هایی در Synopsys وجود دارد.

این روند جدیدی نیست، فقط گسترش یافته است. DSO.ai در حال حاضر در بخش طرح فرآیند طراحی با استفاده از A.I. برای تعیین چیدمان بهینه اجزا برای قدرت و عملکرد کارایی دارد. گوگل اخیراً از چیزی مشابه رونمایی کرد، جایی که از A.I. برای طراحی یکی از واحدهای پردازش تانسور (TPU) خود استفاده کرده است. در اصل، گوگل از هوش مصنوعی استفاده می کرد. برای کمک به طراحی تراشه ای که A.I را اداره می کند Nvidia همچنین برای یادگیری ماشین سرمایه گذاری کرده است تا به طراحی چیدمان تراشه کمک کند.

این پیشرفت به تنهایی فرایند طراحی را تسریع می کند، چیزی که معمولاً هفته ها تا چند روز طول می کشید. Synopsys این ایده را خلق کرد و آن را گسترش داد. “آیا واقعاً می توانیم تراشه ها را به اندازه کافی سریع و ارزان طراحی کنیم تا شخصی سازی شوند؟”

زمان و پول موانع دنیای طراحی نیمه هادی ها هستند و برای شرکت های جدید علاقمند به فضا موانعی بوده اند. این امر نه تنها برای تراشه های داخلی پردازنده ها، کارت های گرافیک و سایر قطعات رایانه مهم است، بلکه میلیون ها مورد دیگر که برای دستگاه های هوشمند، تجهیزات پزشکی و خودروها لازم نیز اهمیت دارد.

سینوپسیس از مدلی به نام یادگیری تقویتی استفاده می کند که دستگاه را در مورد نحوه دستیابی به بهترین پاداش با توجه به یک کار آموزش می دهد. این مدل الگوهای مجموعه داده ها را مشخص نکرده و نتایج را پیش بینی نمی کند. بلکه مسیر بهینه ای را با توجه به حجم زیاد داده از طریق یک سیستم پاداش پیدا می کند.

این همان مدلی است که گوگل برای آموزش هوش مصنوعی استفاده می کرد. برای برنده شدن در Chess and Go، اما بی نهایت پیچیده تر. دیامانتیدیس گفت: “شما به تعداد زیادی حالت غیرقابل وصف نگاه می کنید، بسیار بیشتر از اتم های موجود در جهان شناخته شده.” راه حل DSO.ai تنها به یک نقطه از فرایند طراحی می پردازد و از قبل “تریلیون بار پیچیده تر” از آموزش هوش مصنوعی در شطرنج یا بازی Go است.

از نظر آنچه A.I. می تواند برای طراحی تراشه انجام هد، مهمترین آن صرفه جویی در زمان است. سینوپسیس می گوید آنچه که معمولاً به مدت دو سال طول می کشید اکنون می تواند در عرض سه تا شش ماه انجام شود. ادعا می کند که این به شرکت ها کمک می کند تا تراشه ها را سریعتر، ارزان تر و برای اهداف تخصصی تری بسازند.

Synopsys مجموعه ای از نرم افزار دارد که “به معنای واقعی کلمه در جهان برای طراحی تراشه ها استفاده می شود.” اگرچه این ادعا ممکن است بیش از حد اغراقانه باشد، اما این حقیقت است که سینوپسیس بیشتر بخش های صنعت نیمه هادی را زیر سلطه دارد. طبق داده های وب سایت نرم افزار Synospsys 90 درصد از طراحی تراشه های FinFET جهان را انجام داده است و این تنها بخش کوچکی از کارهایی است که این شرکت انجام می دهد.

علاوه بر سریعتر و ارزانتر بودن، Synopsys ادعا می کند که تراشه های طراحی شده توسط هوش مصنوعی کارآمدتر هستند. در یک نشست خبری، این شرکت اعلام کرد که با استفاده از هوش مصنوعی تا 26 درصد در مصرف برق صرفه جویی کرده است.

از نظر عملی، تحلیلگر صنعت و بنیانگذار A.I. Cambrian تحقیقات کارل فروند می گوید که این امر منجر به نوآوری سریعتر می شود. فروند در ایمیلی به Digital Trends نوشت: “طی چند سال آینده ما از سرعت نوآوری سریعتر و محصولات بهتر با عمر باتری بیشتر لذت خواهیم برد.”

موج هوش مصنوعی

اگرچه Synopsys خالق این ایده است، اما این تنها شرکتی نیست که به دنبال هوش مصنوعی است. برای طراحی تراشه های آینده Cadence، رقیب Synopsys، ابزار Cerebrus خود را دارد که به مهندسان کمک می کند تا چندین نقطه در فرآیند طراحی تراشه را خودکار کنند. با این حال، Synopsys و تحلیلگران صنعت می گویند این ابزار هنوز عقب مانده است. فروند از Cambrian A.I. می گوید: “Synopsys حداقل 18 ماه در این زمینه پیشتاز است، شاید هم بیشتر.”

به گفته سینوپسیس، شرکت های بزرگتری مانند گوگل و انویدیا نیز در این زمینه سرمایه گذاری کرده اند، اگرچه آنها قادر به ارائه ابزاری نیستند که طراحی تراشه را از ابتدا تا انتها مدیریت کند. توماس اندرسن، نایب رئیس A.I. و یادگیری ماشین در Synopsys، گفت:”شما نمی توانید یک اتومبیل مستقل بسازید مگر اینکه ابتدا یک اتومبیل بسازید.”

ما هنوز در مراحل اولیه تراشه های طراحی شده توسط هوش مصنوعی هستیم. Diamantidis فکر می کند که پذیرش این موضوع پیامد های مختلفی را در پی خواهد داشت، که اولین مورد از آنها به بهینه سازی روندهای طراحی موجود در شرکت کمک می کند. در موج سوم، سینوپسیس امیدوار است “دری را به روی افرادی که در طراحی تراشه متخصص نیستند” باز کند.

طی چند سال گذشته، ایده قانون مور مطرح شده است، جایی که تراشه ها در چرخه ای حدود دو سال سریعتر و کارآمدتر می شوند. A.I. به نظر می رسد که این ایده را وارد دوره جدیدی از قانون مور می کند و به شرکت های بیشتری کمک می کند تا تراشه های سریعتر و کارآمدتری بسازند و با سرعتی بسازند که بدون وجود این ایده، این اندازه از سرعت، غیر ممکن است.

بسیاری از بزرگترین شرکت های نیمه هادی جهان از هوش مصنوعی استفاده می کنند و برخی از بزرگترین شرکت های فناوری جهان سرمایه گذاری زیادی روی این فناوری کرده اند. با استفاده از ابزاری که می تواند طراحی را از ابتدا تا انتها مدیریت کند، طراحی تراشه ممکن است به یک انقلاب تبدیل شود.