[מבוא לחוכמה חדשה]תכנון מעגלים משולבים מסורתי הוא גוזל זמן ומייגעת. האם ניתן להשתמש בבינה מלאכותית כדי לשפר את יעילות העבודה? בכנס מעגלי מצב מוצק משולבים השנה, ארבעה מנהיגים, כולל ראש גוגל לבינה מלאכותית, ג'ף דין, הסבירו את ההשפעה המשמעותית של יישומי בינה מלאכותית על מעבדים, מחשוב קוונטי, חדשנות מבנית וכו'. "שינז'יואן מחפשת בדחיפות כותבים ראשיים, עורכים, מנהלי תפעול ומנהלי לקוחות. הוסיפו את משאבי אנוש ב-WeChat (Dr-wly) או סרקו את קוד ה-QR בסוף המאמר כדי ללמוד עוד."

נושא כנס מעגלים משולבים במצב מוצק (ISSCC) השנה הוא "מעגלים משולבים המניעים את עידן הבינה המלאכותית"ומושב המליאה הפותח נועד לשרטט את המידה שבה בינה מלאכותית "מקפלת" את תחום המוליכים למחצה.
 

ג'ף דין, ראש תחום הבינה המלאכותית של גוגל, קו-הונג לו, סגן נשיא בכיר במדיהטק, נדין קולארט, מנהלת הפרויקטים של אימק, ודריו גיל, מנהל מחקר של יבמ, הסבירו בהתאמה את הציפיות והדרישות מבינה מלאכותית בתחום האלקטרוניקה, כגון כיצד להניע מעבדים חדשים (כמו גם מעבדים ומעבדים גרפיים) שתוכננו במיוחד עבור יישומי בינה מלאכותית; לקדם חדשנות מבנית (כגון שבבים קטנים, חבילות מרובות שבבים, חוצים); ואף להשפיע על פיתוח המחשוב הקוונטי.
 
האם פריסה וניתוב גוזלים זמן רב מדי? בינה מלאכותית של גוגל עוזרת לך להפחית עלויות ולהגביר את היעילות
   
כנס ISSCC נערך בסן פרנסיסקו בשבוע שעבר. במהלך הכנס, גוגל הצהירה כי בינה מלאכותית חשובה באותה מידה לתכנון מעגלים והכריזה על...גוגל מנסה להשתמש בלמידת מכונה כדי לפתור בעיות פריסה וניתוב אוטומטיות בתהליך תכנון מעגלים משולבים., והשיגו תוצאות טובות.  
יישום הבינה המלאכותית היה מוקד מחקר ומוקד בתחום האלקטרוניקה בשנים האחרונות. כיוון זה משך מספר רב של חוקרי מוליכים למחצה לעסוק במחקר הקשור לשילוב של כיוונים מסורתיים ובינה מלאכותית. בפרט, כנס המעגלים המשולבים במצב מוצק (ISSCC) השנה אף קבע את נושא הכנס כ: "קידום עידן חדש של בינה מלאכותית באמצעות מעגלים משולביםבטקס הפתיחה צוין גם שמטרת הכנס הזה היא בחינת השפעת הבינה המלאכותית על מחקר בתחום המוליכים למחצה.
ארבעת הדוברים בטקס הפתיחה הסבירו כיצד הדרישה לבינה מלאכותית מניעה את עיצובם של מעבדים חדשים ספציפיים לבינה מלאכותית (בהשוואה למעבדים ומעבדים גרפיים), כיצד היא מקדמת חדשנות מבנית (כגון שימוש בשבבים קטנים, חבילות מרובות שבבים או עיצובים של תוספים), ואפילו כיצד היא משפיעה על פיתוח המחשוב הקוונטי העתידי.  
הדובר הראשון בכנס היה ג'ף דין, ראש חטיבת הבינה המלאכותית של גוגל. ג'ף דין הזכיר שגוגל מתנסה ב...מינוף למידת מכונה לביצוע משימות מיקום וניתוב בתכנון מעגלים משולבים, כלומר, לאפשר לבינה מלאכותית ללמוד את הפריסה והחיווט במעגלים משולבים, וחוסך את עבודת האנוש של מומחי עיצוב.      השוואה בין תוצאות המיקום והניתוב של מומחה ASIC אנושי לבין תוצאות המיקום והניתוב של שבב מאיץ ML בעל צריכת חשמל נמוכה. גוגל הסתירה במכוון חלקים מהתמונה. (מקור: Google Research / ISSCC)
ג'ף דין הציג בקצרה את היסטוריית הפיתוח של בינה מלאכותית ולמידת מכונה, ולאחר מכן הציג כיצד מכונות לומדות לשחק שש בש, כיצד דיפ בלו משחק שחמט, ואיך אלפאגו טוב במשחק גו. בינה מלאכותית יכולה כעת להתמודד עם משחקי וידאו מורכבים מאוד (כגון "StarCraft") ולהשיג "תוצאות יוצאות דופן". במקביל, למידת מכונה נמצאת בשימוש נרחב גם בהדמיה רפואית.רובוטיקה, ראייה ממוחשבת, נהיגה אוטונומית, מדעי המוח, חקלאות, חיזוי מזג אוויר ותחומים אחרים.  
  במשך עשרות שנים, הרעיון הבסיסי שהניע את התפתחות טכנולוגיית המחשוב היהככל שהבעיה גדולה יותר, כך אנו נותנים לה יותר כוח מחשוב. ככל שיש לך יותר כוח עיבוד, כך תוכל לפתור בעיות גדולות יותר. במשך זמן מה, כלל זה תקף גם לפתרון בעיות של בינה מלאכותית. עם זאת, כלל זה נשבר במהירות על ידי מרחב הבעיות המתפוצץ. מכיוון שאנחנו פשוט לא יכולים לחסוך מספיק CPU/GPU כדי לפתור בעיה כזו.  
עובדות הוכיחו כיבינה מלאכותית/למידה במכונה אינה דורשת את המורכבות של מעבד/כרטיס מסך טיפוסי, המתמטיקה הנדרשת פשוטה יותר, והדיוק הנדרש נמוך בהרבההמשמעות של תגלית זו היא שמאיצי בינה מלאכותית/למידה חישובית ייעודיים אינם חייבים להיות מורכבים כמו מעבדים/מעבדים גרפיים. בהתבסס על כך, גוגל עיצבה את מאיץ TensorFlow והשיקה את מוצר הדור השלישי, ומוצר הדור הרביעי ייצא בקרוב. מעבדי בינה מלאכותית/למידה חישובית פשוטים יחסית לתכנון ולכן זולים יחסית, מה שמקל על דחיפה של למידת מכונה לקצה הרשת. נכון לשנת 2019, לגוגל כבר יש דגם קומפקטי מאוד זמין בסמארטפונים.  
כל יישום מבוסס בינה מלאכותית (נהיגה אוטונומית, הדמיה רפואית, משחקים) בשלב הנוכחי מיושם על ידי אימון מערכות ייעודיות לבינה מלאכותית/למידה אלקטרונית. אז האם בינה מלאכותית יכולה ליישם ידע שנלמד במערכת אחת על מערכת חדשה שמעולם לא ראתה כמותה? התשובה ברורה: "כן".  
"הסיבה שאני מעלה את זה היא שהתחלנו לחשוב על שימוש בבינה מלאכותית למיקום ונתיבים בתכנון ASIC", אמר ג'ף דין.מיקום וניתוב קשים הרבה יותר מאשר Go:המטרה מעורפלת יותר, והיקף הבעיה גדול יותר.גוגל יצרה מודל למידה של מקום ומסלול ולאחר מכן ניסתה לראות אם ניתן להכליל את הכלי עוד יותר. "עד כה, היו לנו תוצאות טובות מאוד בכל הניסיונות שלנו", אמר ג'ף דין. "הביצועים שלו מעט טובים יותר מאלה של בני אדם, לפעמים הרבה יותר טובים."גוגל השוותה את יעילות השימוש בלמידת מכונה לצורך מיקום וניתוב עם תוכנה מסחרית. מעגל הבדיקה מורכב ממספר מודולים שונים, כולל מעבד Ariane RISC-V. (מקור: Google Research / ISSCC)
"טוב יותר" פירושו הצבה וניתוב בזמן קצר מאוד. משימה זו בדרך כלל אורכת שבוע או אפילו שבועות להשלמה על ידי מומחה עיצוב אנושי.ML place ונתב יכולים בדרך כלל להשלים את אותה כמות עבודה ב-24 שעות, וחוטי הפריסה בדרך כלל קצרים יותר.לביצועים מצוינים נוספים של מיקום ונתב של ML בהצבה וניתוב אוטומטיים, אנא עיינו במאמר "למידת מכונה ב-EDA מאיצה את מחזור התכנון" שנכתב על ידי רוד מטקאלף מקאדנס.  
ג'ף דין אמר כי ניתן להרחיב את למידת המכונה (ML) גם לחלקים אחרים של תהליך תכנון המעגלים המשולבים, כולל שימוש ב-ML כדי לסייע ביצירת מקרי בדיקה לאימות מלא יותר של עיצובי ASIC; ואולי שימוש ב-ML כדי לשפר סינתזת קוד ברמה גבוהה כדי להשיג עיצובים אופטימליים יותר. כיווני יישום אפשריים אלה חשובים לפופולריות של למידת מכונה עצמה, וחשובים באותה מידה להאצת התקדמות תכנון מעגלים משולבים.  
מעבד/כרטיס מסך יקר ועוצמתי אינם הכרחיים, ניתן להתאים אישית מחשוב קצה
   
קו-הונג לו, סגן נשיא בכיר ומנהל אסטרטגיה ראשי של מדיה-טק, ציין כי מכשירי IoT מחברים עשרות מיליארדי דברים יחד, אך בינה מלאכותית משנה את כל מה שקשור לאינטרנט.  
חלק מהסיבה לכך שבינה מלאכותית נעה לעבר מחשוב קצה היא כפי שדין ציין קודם לכן בסעיף זה, וישנן סיבות רבות נוספות, כולל:להקל על עומס העיבוד הגובר על מרכזי נתונים ולמזער את תעבורת הרשת, ויישומים בזמן אמת הדורשים שימוש בעיבוד קרוב-מקומי. דרישות עיבוד מקומיות: מהירות (חייבת להיות מתוכננת במיוחד עבור מחשוב בינה מלאכותית), וצריכת חשמל נמוכה. מעבדים אלה שתוכננו במיוחד עבור בינה מלאכותית נקראים יחידות מעבד בינה מלאכותית. יחידת APU יכולה להיות פחות גמישה ממעבד, אך מכיוון שהיא ייעודית,APU יכול לפעול פי 20 מהר יותר ממעבד ולצרוך פי 55 פחות חשמל..  
האם קשה לתכנן יחד מספר מערכות? בינה מלאכותית עוזרת לך לפתוח את שמונה המרידיאנים יוצאי הדופן
   
נדין קולארט, מנהלת הפרויקט של Imec, ציינה כי חוק מור עשוי עדיין לחול בשנים הקרובות. למרות שקשה יותר ויותר לכווץ CMOS, ניתן להשתמש ב-FinFETs, ננו-גיליונות, מזלגות וטכנולוגיות אחרות כדי להשיג קנה מידה נוסף של CMOS ברמת השבב. ההערכה היא שטכנולוגיית תלת-ממד היא השיטה הטובה ביותר: כולל שימוש באריזה רב-שכבתית, חורים עוברים בסיליקון וחיבורים ברמה עדינה עם תאים סטנדרטיים אחרים. בחירת הטכנולוגיה הספציפית צריכה להיקבע על סמך דרישות תכנון המערכת ותכונות ההתקן הזמינות. "זה הולך להיות תרגיל מורכב", אמר קולארט. זה יפעיל לחץ רב על ספקי EDA, משום שזה דורש מספקי EDA לתמוך בניסוי ובהשוואה של פתרונות שונים ברמת הכלי.  
מודולי הקצה הקדמי של מערכות תקשורת אלחוטיות יהפכו לאתגר מיוחד. "בדרך כלל, מערכות אלו הן המגוונות ביותר: משתמשות ברכיבים רבים ושונים מטכנולוגיות שונות, ומודולי הקצה הקדמי הופכים מורכבים יותר עם הוספת אנטנות, הגברה ומסננים."תעשיית התקשורת האלחוטית נעה לעבר תדרים גבוהים יותר ויעילות גבוהה יותראפשרות אחת היא לשלב חומרים III-V כגון GaN ו-SiC עם CMOS כדי לקבל את היתרונות של שני החומרים. נדין קולארט נתנה דוגמה תמונה של ננו-רכס תלת-ממדי עם חומרי III-V הגדלים על מצע סיליקון על מבודד (SOI), תוך שהיא מציינת שעדיין יש הרבה עבודה לעשות כאן.      Imec מדגימה את יכולתה לגדל ננו-רכסים תלת-ממדיים של חומרים III-V על סיליקון על גבי מצעים מבודדים (SOI).
באשר להשפעת למידת מכונה על הזיכרון, היא אפילו יותר ברורה. יישומים חדשים כמו בינה מלאכותית ולמידת מכונה דורשים גישה מהירה לזיכרון. אנשים צריכים בדחיפות לשים לב ולפתח את מחשוב הזיכרון. ככל שהלוגיקה והאחסון הופכים קרובים יותר ויותר, אריזה תלת-ממדית בהחלט תשחק תפקיד חשוב.  
מעצימים זה את זה, מחשוב קוונטי ובינה מלאכותית יכולים להשלים זה את זה
   
 

דריו גיל, מנהל המחקר של יבמ, הזכיר עוד בכנס בינה מלאכותית מוכללת: "כמעט ודאי שבינה מלאכותית מוכללת תיושם על מחשבים קוונטיים", הוא סיכם.היתרונות הגדולים ביותר עשויים לנבוע משימוש משלים בביטים (עיבוד מספרים), נוירונים (בינה מלאכותית) וקיוביטים (מחשוב קוונטי).יבמ פתחה את הגישה למחשב הקוונטי הראשון בשנת 2016 וכעת יש לה גישה ל-15 מחשבים קוונטיים, כולל הדגם האחרון שלה בן 53 קיוביטים.

הצהרת אחריות: מאמר זה הודפס מחדש מ"Xinzhiyuan". מאמר זה מייצג רק את דעותיו האישיות של המחבר ואינו מייצג את דעותיה של Sacco Micro והתעשייה. הוא מודפס מחדש ומשותף אך ורק לתמיכה בהגנה על זכויות קניין רוחני. אנא ציינו את המקור המקורי ואת המחבר לצורך הדפסה חוזרת. במקרה של הפרה כלשהי, אנא צרו עמנו קשר כדי למחוק אותה.

מספר טלפון של החברה: 86-0755-83044319+
פקס/פקס: 86-0755-83975897+
דוא"ל: 1615456225@qq.com
QQ: 3518641314 מנהל לי

QQ: 332496225 מנהל Qiu

כתובת: חדר 809, בניין C, בניין הטכנולוגיה ז'אנטאו, שדרת מינגז'י מס' 1079, רובע לונגהואה החדש, שנזן