Yapay Zeka Destekli Elektronik Tasarım Otomasyon Araçları Yonga Yapımını Yeniden Tanımlayabilir – ExtremeTech

Çipleri tasarlamak için yapay zeka araçlarını kullanan Samsung, büyüyen alana şapkasını atan en son şirket. Görünüşe göre şirket, yakında çıkacak bir Exynos mobil SoC oluşturmak için Electronic Design Automation (EDA) üreticisi Synopsys’in yeni AI işleme araçlarından yararlandı. Synopsys bu tür işler için güvenilir bir ortaktır; Çip tasarım araçları oluşturma konusundaki onlarca yıllık deneyim, şüphesiz şirkete eğitim modelleri için zengin bir veri seti sağladı.

Yapay zeka, AI ve ML ağlarının bugüne kadar gerçekten başardıklarına kıyasla birçok alanda aşırı derecede abartıldı. Kendi kendini süren arabalar ve tıp gibi bazı alanlarda ilerleme beklenenden daha yavaş oldu. YZ’nin çip tasarımlarını iyileştirmeye yönelik uzun vadeli potansiyeli konusunda iyimser olmak için nedenler var, ancak gerçek faydaların ne zaman gerçekleşeceği konusunda çok az bilgi var.

Modern EDA

Yapay Zeka uygulamak/ Yarı iletken araştırmalarına karşı, örneğin kendi kendini süren arabalara karşı ML teknikleri, Intel, AMD ve Nvidia gibi silikon tasarım firmalarının bir dereceye kadar bu hedefin bir versiyonu için bir süredir çalışıyor olmalarıdır. Yarı iletken devriminin ilk günlerinde, çip tasarımları mühendis ekipleri tarafından tamamen elle hazırlanmıştı.

2020’ye kadar olan bu yarı iletken yoğunluk tablosu, bu yaklaşımın neden değişiklik.

10.000 transistör tasarımının boyutlarını insanlar için yararlı bir ölçekte göstermek için bir tarafı 5 fitlik bir kağıt parçası gerekiyorsa – ve burada sadece tükürüyorum – 50 milyon ile bir çip tasarımına ölçeklendirmeye çalıştığınızı hayal edin. transistörler. Intel’in CPU yer planını bir depoya sığdırmak için çipi mikrofiş üzerine yerleştirmesi gerekecekti.

Elektronik Tasarım Otomasyonu alanı, devre tasarımını basitleştirme çabası olarak 1980’lerin başında başladı. Günümüzde bu alan, düzen, mantık sentezi ve üst düzey sentez dahil olmak üzere birçok alt disipline sahiptir. Transistör davranışını simüle etmekten mantığa, çeşitli analiz ve hata kontrolü türlerine kadar, EDA araçları modern çip tasarımının her yönüne dokunmuştur.

Bu, Intel ve AMD’nin kritik yolları elle ayarlamayı bıraktığı anlamına gelmez. mikroişlemciler. Intel’in mikroişlemci tasarım mühendislerinden biri olan Kürşad Albayraktaroğlu’nun bu başlığı, modern EDA araçlarının kullanışlılığı ve sınırlamaları arasındaki dengeden bahsediyor:

Neredeyse tüm büyük SoC tasarımlarında, geleneksel olarak kullanılan bölümler vardır. optimum performans için elle çizilmiş veya bazı durumlarda sadece üretim sürecinin tuhaflıklarına uyum sağlamak için.

Kürşad ayrıca Bobcat ve Jaguar gibi çiplerin, Bulldozer gibi CPU’lardan daha fazla otomatikleştirilmiş araçları daha fazla kullandığına dikkat çekiyor.

AI-Infused EDA, Mikroişlemci Performansını İyileştirmenin Yeni Yöntemlerinin Kilidini Açabilir

Yaptık. AI araçlarının insan silikon tasarımlarına kıyasla performansı artırabileceğine dair bazı ipuçları gördü. Bu yılın başlarında Google, Ariane RISC-V CPU’nun fiziksel düzenini iyileştirmek için AI’nın nasıl kullanıldığını ayrıntılı olarak açıklayan bir makale yayınladı. Google’ın çalışmasına göre, bir yapay zekanın hem bir insanın yaptığı her şeyden üstün hem de tipik bir insan tasarımından önemli ölçüde farklı olan bir kat planı oluşturması yalnızca altı saat sürdü.

Doğadan Resim. İnsan tarafından tasarlanmış kat planı solda, AI tarafından tasarlanmış kat planı sağda. Ekibe göre, AI kat planı oldukça tuhaf görünmesine rağmen insan tasarımından daha iyi performans gösteriyor.

Wired tarafından yakın zamanda yayınlanan bir rapora göre, Samsung bu teknikleri benimseyen en son şirket. Kürşad’ın yorumları, Samsung gibi bir şirketin neden şu anda çip tasarımı için yapay zekayı benimsemekle ilgilenebileceğini ve Intel ile AMD’nin benzer bir şeyi duyurmasının neden biraz zaman alabileceğini gösteriyor.

Samsung ve diğer mobil SoC gibi şirketler satıcıların artık otomatikleştirilmiş araçlara ve yerleştirmeye daha fazla bağımlı olduklarına inanılıyor, bu da araç performansındaki herhangi bir iyileştirmenin doğrudan bu parçalar için kazanımlara dönüşeceği anlamına geliyor.

Bu, Samsung’un Exynos işlemcilerinin karmaşık olmadığı anlamına gelmiyor, ancak Samsung’un AMD ve Intel’in x86 CPU’larına karşı Apple’ın yaptığı gibi rekabet etme planı yok.

Şirketler, günümüzde üretilen en yüksek performanslı CPU’lar üzerinde çalışıyor. AI araçlarının güç tüketimini, performansını veya güvenilirliğini iyileştirme potansiyelini değerlendirmek için zaman alacaktır. Ayrıca araştırmacıların daha iyi, daha verimli modeller geliştirmesi ve bilim adamlarının ne tür eğitim setlerinin en etkili olduğunu belirlemesi zaman alacaktır. Bir çip tasarımı için AI kullanan herhangi bir şirket, nihai sonucun daha geleneksel araçlar ve iş akışlarıyla elde ettiklerine göre bir gelişme olacağından kesinlikle emin olana kadar bunu duyurmak için neredeyse kesinlikle bekleyecektir.

AI’dan Önce. araçlar daha iyi silikon oluşturabilir, araştırmacılar ve mühendislerin çeşitli makine öğrenimi modellerinin tasarlayacakları sistemlerin karmaşıklığını anladıklarını doğrulamaları gerekecek. Bu önemsiz bir girişim değil. Bir şirket, tasarım sürecine yapay zekayı ne kadar derinden dahil etmek isterse, makine öğrenimi ağlarının o kadar yetenekli ve çok yönlü olması gerekir.

Bu süreçte makine öğrenimi ve yapay zekanın iki geniş kullanım alanı vardır: çip tasarımı için mevcut buluşsal yöntemleri değiştirebilir ve artırabilir ve tasarımı optimize etmek için önerilerde bulunabilir veya aracın çeşitli girdilerin bir aracın davranışını nasıl değiştirdiğini uzun vadeli bir hedefle “öğreneceği” takviyeli öğrenme senaryolarında kullanılabilir. süreci otomatikleştirmedir.

İş geliştirme direktörü Dave Pursley, “ML’yi bir EDA akışı içinde kullanmanın amacı, en deneyimli mühendislik gurunuzdan sınırsız bir süre ile daha iyi bir sonuç üretme becerisine sahip olmakla ilgili değildir” Digital & Signoff Group, SemiEngineering’e anlattı.

Amaç, soyutlama düzeyini yükselterek mühendisleri daha üretken hale getirmektir.”

Buradaki potansiyel gerçektir. AI sistemleri bazı gerçek başarılar elde etti; Bir AI, geçen yıl 100 milyondan fazla molekülden oluşan bir havuzda arama yaparak yeni bir antibiyotik keşfetti. Yapay zeka araçlarının benimsenmesi, yarı iletken şirketlerin önümüzdeki on yılda transistör performansını artırmaya devam etmek için kullandıkları yöntemlerden biri olabilir. Yeni litografi düğümlerinin faydaları azaldıkça, boşluğu doldurmak için daha büyük L3 önbelleklerinden yeni paketleme yöntemlerine ve şimdi en azından biraz yapay zekaya kadar bir dizi aracın konuşlandırıldığını görüyoruz. Yakın vadede mucizeler beklemeyin, ancak CPU ve GPU tasarımının çeşitli yönlerinde gelecekte yapılacak iyileştirmelerin de AI iyileştirmelerine inandırıcı bir şekilde yansıtıldığını görürsek şaşırmayın.

Şimdi Okuyun

güçlü>:

ABD, Acil Durum Araç Kazalarının Ardından Tesla Otopilotunun Soruşturulmasını BaşlattıGoogle, İlk Özel Mobil İşlemcisiyle Pixel 6’yı TanıttıTesla, Yalnızca Kamerayla Kendi Kendine Sürüş Teknolojisini Geliştirmek için Bir Süper Bilgisayar Yaptı.