[Introduzione alla Nuova Saggezza]La progettazione tradizionale di circuiti integrati è lunga e laboriosa. L'intelligenza artificiale può essere utilizzata per migliorare l'efficienza lavorativa? Alla Integrated Solid-State Circuit Conference di quest'anno, quattro leader, tra cui Jeff Dean, responsabile di Google AI, hanno illustrato il significativo impatto delle applicazioni di IA su processori, calcolo quantistico, innovazione strutturale, ecc. "Xinzhiyuan è alla ricerca urgente di redattori capo, editor, responsabili operativi e account manager. Aggiungi HR WeChat (Dr-wly) o scansiona il codice QR alla fine dell'articolo per saperne di più."

Il tema della Integrated Solid State Circuits Conference (ISSCC) di quest'anno è "Circuiti integrati che alimentano l'era dell'IA"e la sessione plenaria di apertura aveva lo scopo di delineare la misura in cui l'intelligenza artificiale sta "ripiegando" il settore dei semiconduttori.
 

Jeff Dean, responsabile di Google AI, Kou-Hung Loh, vicepresidente senior di MediaTek, Nadine Collaert, direttrice di progetto di Imec, e Dario Gil, direttore di IBM Research, hanno illustrato le aspettative e i requisiti per l'intelligenza artificiale nel settore elettronico, come ad esempio come guidare nuovi processori (così come CPU e GPU) specificamente progettati per applicazioni di intelligenza artificiale; promuovere l'innovazione strutturale (come chip di piccole dimensioni, package multi-chip, interposer); e persino influenzare lo sviluppo del calcolo quantistico.
 
Il layout e il routing richiedono troppo tempo? L'intelligenza artificiale di Google ti aiuta a ridurre i costi e ad aumentare l'efficienza.
   
La conferenza ISSCC si è tenuta a San Francisco la scorsa settimana. Durante la conferenza, Google ha affermato che l'intelligenza artificiale è altrettanto importante della progettazione dei circuiti e ha annunciatoGoogle sta cercando di utilizzare l'apprendimento automatico per risolvere i problemi di layout e instradamento automatizzati nel processo di progettazione dei circuiti integrati.e hanno ottenuto buoni risultati.  
L'applicazione dell'intelligenza artificiale è stata un punto focale e un tema di ricerca centrale nel campo dell'elettronica negli ultimi anni. Questa direzione ha attratto un gran numero di ricercatori nel settore dei semiconduttori, che si sono dedicati alla ricerca relativa alla combinazione di approcci tradizionali e intelligenza artificiale. In particolare, la Integrated Solid-State Circuit Conference (ISSCC) di quest'anno ha addirittura scelto come tema della conferenza: "Promuovere una nuova era dell'intelligenza artificiale con i circuiti integratiLa cerimonia di apertura ha inoltre dichiarato che lo scopo della conferenza era quello di esplorare l'impatto dell'intelligenza artificiale sulla ricerca nel campo dei semiconduttori.
I quattro relatori intervenuti alla cerimonia di apertura hanno spiegato come la domanda di intelligenza artificiale stia guidando la progettazione di nuovi processori specifici per l'IA (rispetto a CPU e GPU), come stia promuovendo l'innovazione strutturale (come l'utilizzo di chip di piccole dimensioni, package multi-chip o design plug-in) e persino come stia influenzando lo sviluppo del futuro calcolo quantistico.  
Il primo relatore alla conferenza è stato Jeff Dean, responsabile di Google AI. Jeff Dean ha menzionato che Google sta sperimentando conSfruttare l'apprendimento automatico per eseguire operazioni di posizionamento e instradamento nella progettazione di circuiti integrati.ovvero, consentire all'IA di apprendere il layout e il cablaggio nei circuiti integrati, risparmiando il lavoro umano degli esperti di progettazione.      Confronto tra i risultati di posizionamento e instradamento ottenuti da un esperto umano di ASIC e quelli ottenuti da un chip acceleratore di machine learning a basso consumo. Google ha intenzionalmente oscurato alcune parti dell'immagine. (Fonte: Google Research / ISSCC)
Jeff Dean ha inizialmente introdotto brevemente la storia dello sviluppo dell'IA e dell'apprendimento automatico, per poi spiegare come le macchine imparano a giocare a backgammon, come Deep Blue gioca a scacchi e come AlphaGo sia bravo a giocare a Go. L'IA è ora in grado di gestire videogiochi molto complessi (come "StarCraft") e di raggiungere risultati epocali. Allo stesso tempo, l'apprendimento automatico è ampiamente utilizzato anche nell'imaging medico.Robotica, visione artificiale, guida autonoma, neuroscienze, agricoltura, previsioni meteorologiche e altri settori.  
  Per decenni, l'idea fondamentale che ha guidato lo sviluppo della tecnologia informatica è stataPiù grande è il problema, maggiore è la potenza di calcolo che gli assegniamo. Maggiore è la potenza di elaborazione disponibile, più grandi sono i problemi che si possono risolvere. Per un certo periodo, questa regola si è applicata anche alla risoluzione dei problemi di intelligenza artificiale. Tuttavia, questa regola è stata rapidamente infranta dall'esplosione dello spazio dei problemi. Semplicemente, non possiamo riservare abbastanza CPU/GPU per risolvere un problema di tale portata.  
I fatti hanno dimostrato cheL'IA/ML non richiede la complessità di una tipica CPU/GPU, la matematica richiesta è più semplice e la precisione richiesta è molto inferioreLa conseguenza di questa scoperta è che gli acceleratori dedicati all'IA/ML non devono essere complessi come CPU/GPU. Sulla base di ciò, Google ha progettato l'acceleratore TensorFlow e ha lanciato il prodotto di terza generazione, mentre la quarta generazione sarà rilasciata a breve. I processori per IA/ML sono relativamente semplici da progettare e quindi relativamente economici, il che facilita l'estensione dell'apprendimento automatico ai margini della rete. Già nel 2019, Google offriva un modello molto compatto per smartphone.  
Allo stato attuale, ogni applicazione basata sull'IA (guida autonoma, diagnostica per immagini, videogiochi) viene implementata addestrando sistemi di IA/ML dedicati. Quindi, l'IA può applicare le conoscenze apprese su un sistema a un nuovo sistema che non ha mai visto prima? La risposta è chiara: "SÌ".  
"Il motivo per cui ne parlo è che abbiamo iniziato a valutare l'utilizzo dell'intelligenza artificiale per le funzioni di posizionamento e instradamento nella progettazione di ASIC", ha affermato Jeff Dean.Il posizionamento e l'instradamento sono molto più difficili del Go:L'obiettivo è più vago e la portata del problema è maggiore."Google ha creato un modello di apprendimento per la localizzazione e la pianificazione di percorsi, per poi cercare di generalizzare ulteriormente lo strumento. "Finora abbiamo ottenuto ottimi risultati in tutti i nostri tentativi", ha affermato Jeff Dean. "Le sue prestazioni sono leggermente superiori a quelle umane, a volte anche di molto."Google ha confrontato l'efficacia dell'apprendimento automatico per il posizionamento e l'instradamento con quella di un software commerciale. Il circuito di test è composto da diversi moduli, tra cui una CPU Ariane RISC-V. (Fonte: Google Research / ISSCC)
“Migliore” significa posizionamento e instradamento in tempi brevissimi. Questo compito richiederebbe in genere una settimana o addirittura settimane per essere completato da un esperto di progettazione umano.ML place e router possono solitamente completare la stessa quantità di lavoro in 24 ore e i cavi di layout sono generalmente più cortiPer ulteriori informazioni sulle eccellenti prestazioni del sistema di posizionamento e instradamento automatico basato su ML, si prega di consultare l'articolo "Machine Learning in EDA Speeds Up the Design Cycle" di Rod Metcalfe di Cadence.  
Jeff Dean ha affermato che l'apprendimento automatico (ML) potrebbe essere esteso anche ad altre fasi del processo di progettazione dei circuiti integrati, ad esempio per generare casi di test che consentano una verifica più completa dei progetti ASIC; e forse anche per migliorare la sintesi del codice di alto livello al fine di ottenere progetti più ottimizzati. Queste possibili direzioni applicative sono importanti per la diffusione dell'apprendimento automatico stesso e altrettanto importanti per accelerare il progresso della progettazione dei circuiti integrati.  
Non è necessario un processore/GPU costoso e potente, l'edge computing può essere personalizzato
   
Kou-Hung Loh, vicepresidente senior e responsabile della strategia di MediaTek, ha sottolineato che i dispositivi IoT connettono tra loro decine di miliardi di oggetti, ma l'intelligenza artificiale sta cambiando tutto ciò che è connesso a Internet.  
Una delle ragioni per cui l'IA si sta spostando verso l'edge computing è quella menzionata in precedenza da Dean in questa sezione, e ci sono molte altre ragioni, tra cui:Alleviare il crescente carico di elaborazione sui data center e ridurre al minimo il traffico di rete.e quelle applicazioni in tempo reale che richiedono l'uso dell'elaborazione quasi locale. Requisiti di elaborazione locale: veloce (deve essere appositamente progettato per il calcolo AI) e a basso consumo energetico. Questi processori appositamente progettati per l'IA sono chiamati unità di elaborazione AI. Un'APU può essere meno flessibile di una CPU, ma poiché è dedicata,Le APU possono essere 20 volte più veloci delle CPU e consumare 55 volte meno energia rispetto alle CPU..  
È difficile co-progettare più sistemi? L'intelligenza artificiale ti aiuta ad aprire gli otto meridiani straordinari
   
Nadine Collaert, direttrice di progetto di Imec, ha sottolineato che la Legge di Moore potrebbe essere ancora valida nei prossimi anni. Sebbene sia sempre più difficile ridurre le dimensioni dei CMOS, FinFET, nanosheet, forksheet e altre tecnologie possono essere utilizzate per ottenere un'ulteriore miniaturizzazione dei CMOS a livello di chip. Si ritiene che la tecnologia 3D sia il metodo migliore: include l'utilizzo di packaging multistrato, fori passanti nel silicio e connessioni a livello fine con altre celle standard. La scelta della tecnologia specifica deve essere determinata in base ai requisiti di progettazione del sistema e alle caratteristiche del dispositivo disponibile. "Sarà un esercizio complesso", ha affermato Collaert. Ciò eserciterà molta pressione sui fornitori di EDA, perché richiederà loro di supportare la sperimentazione e il confronto di diverse soluzioni a livello di strumento.  
I moduli front-end dei sistemi di comunicazione wireless rappresenteranno una sfida particolare. "In genere, questi sistemi sono i più eterogenei: utilizzano molti componenti diversi provenienti da tecnologie differenti, e i moduli front-end diventano ancora più complessi con l'aggiunta di antenne, amplificatori di potenza e filtri."Il settore delle comunicazioni wireless si sta orientando verso frequenze più elevate e una maggiore efficienza.Un'opzione è quella di combinare materiali III-V come GaN e SiC con la tecnologia CMOS per ottenere i vantaggi di entrambi i materiali. Nadine Collaert ha mostrato un esempio fotografico di una nanostruttura tridimensionale a cresta realizzata con materiali III-V cresciuti su un substrato di silicio su isolante (SOI), sottolineando tuttavia che c'è ancora molto lavoro da fare in questo campo.      Imec dimostra la sua capacità di far crescere nano-creste 3D di materiali III-V su substrati di silicio su isolante (SOI).
Per quanto riguarda l'impatto del machine learning sulla memoria, è ancora più evidente. Nuove applicazioni come l'IA e il machine learning richiedono un accesso rapido alla memoria. È urgente concentrarsi sullo sviluppo del calcolo in memoria e sulle relative tecnologie. Con la crescente integrazione tra logica e archiviazione, il packaging 3D giocherà sicuramente un ruolo importante.  
Potenziandosi a vicenda, l'informatica quantistica e l'intelligenza artificiale possono completarsi a vicenda.
   
 

Il direttore della ricerca IBM, Dario Gil, ha inoltre accennato all'intelligenza artificiale generalizzata durante la conferenza: "È quasi certo che l'intelligenza artificiale generalizzata verrà implementata sui computer quantistici", ha concluso.I maggiori vantaggi potrebbero derivare dall'uso complementare di bit (elaborazione numerica), neuroni (intelligenza artificiale) e qubit (calcolo quantistico).IBM ha reso accessibile il primo computer quantistico nel 2016 e ora ha accesso a 15 computer quantistici, incluso il suo ultimo modello a 53 qubit.

Disclaimer: Questo articolo è una ristampa di "Xinzhiyuan". Questo articolo rappresenta esclusivamente il punto di vista personale dell'autore e non quello di Sacco Micro o del settore. Viene ristampato e condiviso unicamente a supporto della tutela dei diritti di proprietà intellettuale. Si prega di indicare la fonte originale e l'autore in caso di ristampa. In caso di violazione del copyright, si prega di contattarci per richiederne la rimozione.

Numero di telefono dell'azienda: +86-0755-83044319
Fax: +86-0755-83975897
E-mail: 1615456225@qq.com
QQ: 3518641314 Responsabile Li

QQ: 332496225 Responsabile Qiu

Indirizzo: Stanza 809, Edificio C, Edificio Tecnologico Zhantao, Viale Minzhi n. 1079, Nuovo Distretto di Longhua, Shenzhen