[Introducción a la Nueva Sabiduría]El diseño tradicional de circuitos integrados es laborioso y requiere mucho tiempo. ¿Puede la inteligencia artificial mejorar la eficiencia laboral? En la Conferencia de Circuitos Integrados de Estado Sólido de este año, cuatro líderes, entre ellos Jeff Dean, director de IA de Google, explicaron el impacto significativo de las aplicaciones de IA en procesadores, computación cuántica, innovación estructural, etc. Xinzhiyuan busca urgentemente redactores jefes, editores, gerentes de operaciones y gerentes de cuentas. Agregue nuestro WeChat de RR. HH. (Dr-wly) o escanee el código QR al final del artículo para obtener más información.

El tema de la Conferencia de Circuitos Integrados de Estado Sólido (ISSCC) de este año es “Circuitos integrados que impulsan la era de la IA“Y la sesión plenaria inaugural tenía como objetivo determinar hasta qué punto la IA está “transformando” el sector de los semiconductores.
 

Jeff Dean, director de IA de Google, Kou-Hung Loh, vicepresidente sénior de MediaTek, Nadine Collaert, directora de proyectos de Imec, y Dario Gil, director de IBM Research, explicaron respectivamente las expectativas y los requisitos de la IA en el campo de la electrónica, como por ejemplo cómo impulsar nuevos procesadores (así como CPU y GPU) diseñados específicamente para aplicaciones de IA; promover la innovación estructural (como chips pequeños, paquetes multichip e interconectores); e incluso influir en el desarrollo de la computación cuántica.
 
¿El diseño y el enrutamiento consumen demasiado tiempo? La IA de Google te ayuda a reducir costes y aumentar la eficiencia.
   
La conferencia ISSCC se celebró en San Francisco la semana pasada. Durante la conferencia, Google afirmó que la inteligencia artificial es igualmente importante para el diseño de circuitos y anuncióGoogle está intentando utilizar el aprendizaje automático para resolver problemas automatizados de diseño y enrutamiento en el proceso de diseño de circuitos integrados.y obtuvo buenos resultados.  
La aplicación de la inteligencia artificial ha sido un tema de investigación candente y un foco de atención en el campo de la electrónica en los últimos años. Esta dirección ha atraído a un gran número de investigadores de semiconductores a participar en investigaciones relacionadas con la combinación de direcciones tradicionales e inteligencia artificial. En particular, la Conferencia de Circuitos Integrados de Estado Sólido (ISSCC) de este año incluso estableció el tema de la conferencia como:Impulsando una nueva era de IA con circuitos integrados.En la ceremonia de apertura también se indicó que el propósito de esta conferencia era explorar el impacto de la IA en la investigación en el campo de los semiconductores.
Los cuatro oradores de la ceremonia de apertura explicaron cómo la demanda de inteligencia artificial está impulsando el diseño de nuevos procesadores específicos para IA (en comparación con las CPU y las GPU), cómo está promoviendo la innovación estructural (como el uso de chips pequeños, paquetes multichip o diseños enchufables) e incluso cómo está afectando al desarrollo de la computación cuántica del futuro.  
El primer orador en la conferencia fue Jeff Dean, jefe de IA de Google. Jeff Dean mencionó que Google está experimentando conAprovechamiento del aprendizaje automático para realizar tareas de colocación y enrutamiento en el diseño de circuitos integrados.Es decir, permitir que la IA aprenda la disposición y el cableado de los circuitos integrados, ahorrando así el trabajo humano de los expertos en diseño.      Comparación de los resultados de colocación y enrutamiento de un experto humano en ASIC con los resultados de colocación y enrutamiento de un chip acelerador de aprendizaje automático de bajo consumo. Google ocultó intencionadamente partes de la imagen. (Fuente: Google Research / ISSCC)
Jeff Dean comenzó presentando brevemente la historia del desarrollo de la IA y el aprendizaje automático, y luego explicó cómo las máquinas aprenden a jugar al backgammon, cómo Deep Blue juega al ajedrez y cómo AlphaGo es bueno jugando al Go. Además, la IA ahora puede manejar videojuegos muy complejos (como "StarCraft") y lograr resultados históricos. Al mismo tiempo, el aprendizaje automático también se utiliza ampliamente en imágenes médicas.Robótica, visión artificial, conducción autónoma, neurociencia, agricultura, predicción meteorológica y otros campos..  
  Durante décadas, la idea básica que impulsó el desarrollo de la tecnología informática ha sido...Cuanto mayor sea el problema, mayor será la capacidad de procesamiento que le asignemos. A mayor capacidad de procesamiento, mayores serán los problemas que podremos resolver. Durante un tiempo, esta regla también se aplicó a la resolución de problemas de IA. Sin embargo, esta regla se rompió rápidamente debido al crecimiento exponencial del espacio de problemas. Porque, sencillamente, no podemos reservar suficiente CPU/GPU para resolver un problema de tal magnitud.  
Los hechos han demostrado queLa IA/ML no requiere la complejidad de una CPU/GPU típica, las matemáticas necesarias son más sencillas y la precisión requerida es mucho menor.La implicación de este descubrimiento es que los aceleradores de IA/ML dedicados no tienen por qué ser tan complejos como las CPU/GPU. Basándose en esto, Google diseñó el acelerador TensorFlow y lanzó la tercera generación del producto; la cuarta generación se lanzará próximamente. Los procesadores de IA/ML son relativamente sencillos de diseñar y, por lo tanto, relativamente económicos, lo que facilita llevar el aprendizaje automático más allá de los límites de la red. Desde 2019, Google ya cuenta con un modelo muy compacto disponible para teléfonos inteligentes.  
En la actualidad, todas las aplicaciones basadas en IA (conducción autónoma, diagnóstico por imagen, videojuegos) se implementan mediante el entrenamiento de sistemas de IA/aprendizaje automático específicos. Entonces, ¿puede la IA aplicar el conocimiento adquirido en un sistema a un sistema nuevo que nunca antes ha visto? La respuesta es clara: «SÍ».  
“Menciono esto porque empezamos a pensar en utilizar la IA para la colocación y el enrutamiento en el diseño de ASIC”, dijo Jeff Dean.La colocación y el enrutamiento son mucho más difíciles que en Go:El objetivo es más vago y la magnitud del problema es mayor.Google ha creado un modelo de aprendizaje de lugares y rutas y luego ha intentado comprobar si la herramienta puede generalizarse. «Hasta ahora, hemos obtenido muy buenos resultados en todos nuestros intentos», afirmó Jeff Dean. «Su rendimiento es ligeramente superior al de los humanos, a veces mucho mejor».Google comparó la eficacia del aprendizaje automático para la ubicación y el enrutamiento con la de software comercial. El circuito de prueba consta de varios módulos, incluyendo una CPU Ariane RISC-V. (Fuente: Google Research / ISSCC)
“Mejor” significa ubicación y enrutamiento en muy poco tiempo. Esta tarea normalmente le tomaría una semana o incluso varias semanas a un experto en diseño humano.El lugar ML y el enrutador generalmente pueden completar la misma cantidad de trabajo en 24 horas, y los cables de diseño generalmente son más cortos.Para obtener un rendimiento aún mejor de la colocación y el enrutamiento automáticos mediante aprendizaje automático, consulte el artículo "El aprendizaje automático en EDA acelera el ciclo de diseño", escrito por Rod Metcalfe de Cadence.  
Jeff Dean afirmó que el aprendizaje automático también podría extenderse a otras partes del proceso de diseño de circuitos integrados, incluyendo su uso para generar casos de prueba que permitan una verificación más exhaustiva de los diseños ASIC; y quizás para mejorar la síntesis de código de alto nivel y lograr diseños más optimizados. Estas posibles aplicaciones son importantes para la popularización del aprendizaje automático y, a su vez, para acelerar el progreso del diseño de circuitos integrados.  
No es necesario utilizar CPU/GPU de alto costo y alta potencia; la computación de borde se puede personalizar.
   
Kou-Hung Loh, vicepresidente sénior y director de estrategia de MediaTek, señaló que los dispositivos IoT conectan decenas de miles de millones de cosas entre sí, pero la IA está cambiando todo lo que está conectado a Internet.  
Parte de la razón por la que la IA se está moviendo hacia la computación de borde es como mencionó Dean anteriormente en esta sección, y hay muchas más razones, entre ellas:Aliviar la creciente carga de procesamiento en los centros de datos y minimizar el tráfico de red.y aquellas aplicaciones en tiempo real que requieren el uso de procesamiento casi local. Requisitos de procesamiento local: rápido (debe estar especialmente diseñado para computación de IA) y bajo consumo de energía. Estos procesadores especialmente diseñados para IA se denominan unidades de procesamiento de IA. Una APU puede ser menos flexible que una CPU, pero debido a que está dedicada,La APU puede funcionar 20 veces más rápido que la CPU y consumir 55 veces menos energía que la CPU..  
¿Es difícil codiseñar múltiples sistemas? La IA te ayuda a abrir los ocho meridianos extraordinarios.
   
Nadine Collaert, directora de proyecto de Imec, señaló que la Ley de Moore podría seguir vigente en los próximos años. Si bien la miniaturización de CMOS es cada vez más difícil, se pueden utilizar FinFET, nanoláminas, láminas bifurcadas y otras tecnologías para lograr una mayor reducción del tamaño de los chips CMOS. Se considera que la tecnología 3D es el mejor método, incluyendo el uso de empaquetado multicapa, orificios pasantes en silicio y conexiones de precisión con otras celdas estándar. La elección de la tecnología específica debe basarse en los requisitos de diseño del sistema y las características del dispositivo disponible. "Será un proceso complejo", afirmó Collaert. Esto ejercerá una gran presión sobre los proveedores de EDA, ya que les exige brindar soporte para la prueba y comparación de diferentes soluciones a nivel de herramienta.  
Los módulos frontales de los sistemas de comunicación inalámbrica supondrán un reto especial. «Normalmente, estos sistemas son los más diversos: utilizan muchos componentes diferentes de distintas tecnologías, y los módulos frontales se vuelven más complejos con la incorporación de antenas, amplificadores de potencia y filtros».La industria de las comunicaciones inalámbricas avanza hacia frecuencias más altas y una mayor eficiencia.Una opción es combinar materiales III-V como GaN y SiC con CMOS para aprovechar las ventajas de ambos materiales. Nadine Collaert mostró un ejemplo gráfico de una nanoestructura tridimensional con materiales III-V cultivados sobre un sustrato de silicio sobre aislante (SOI), aunque señaló que aún queda mucho trabajo por hacer en este campo.      Imec demuestra su capacidad para cultivar nanocrestas 3D de materiales III-V sobre sustratos de silicio sobre aislante (SOI).
En cuanto al impacto del aprendizaje automático en la memoria, resulta aún más evidente. Las nuevas aplicaciones, como la IA y el aprendizaje automático, requieren un acceso rápido a la memoria. Es urgente prestar atención a la computación de memoria y desarrollarla. A medida que la lógica y el almacenamiento se integran cada vez más, el empaquetado 3D desempeñará sin duda un papel importante.  
Al potenciarse mutuamente, la computación cuántica y la inteligencia artificial pueden complementarse entre sí.
   
 

El director de investigación de IBM, Dario Gil, mencionó además la IA generalizada en la conferencia: Es casi seguro que la IA generalizada se implementará en computadoras cuánticas, concluyó.Los mayores beneficios podrían provenir del uso complementario de bits (procesamiento numérico), neuronas (IA) y cúbits (computación cuántica).IBM abrió el acceso a la primera computadora cuántica en 2016 y ahora tiene acceso a 15 computadoras cuánticas, incluido su último modelo de 53 cúbits.

Descargo de responsabilidad: Este artículo se reproduce de «Xinzhiyuan». Representa únicamente la opinión personal del autor y no la de Sacco Micro ni la del sector. Se reproduce y comparte con el único fin de proteger los derechos de propiedad intelectual. Para reproducirlo, por favor, indique la fuente original y el autor. Si detecta alguna infracción, póngase en contacto con nosotros para que lo eliminemos.

Número de teléfono de la empresa: +86-0755-83044319
Fax/FAX: +86-0755-83975897
Correo electrónico: 1615456225@qq.com
Pregunta: 3518641314 Gerente Li

Pregunta: 332496225 Gerente Qiu

Dirección: Habitación 809, Edificio C, Edificio de Tecnología Zhantao, Avenida Minzhi n.° 1079, Nuevo Distrito de Longhua, Shenzhen