【新知恵入門】従来の集積回路設計は時間と労力がかかる。人工知能は作業効率の向上に役立つだろうか？今年の集積回路会議では、Google AI責任者のジェフ・ディーン氏を含む4人のリーダーが、プロセッサ、量子コンピューティング、構造革新などにおけるAIアプリケーションの大きな影響について説明した。「新智源はチーフライター、エディター、オペレーションマネージャー、アカウントマネージャーを緊急募集しています。人事部のWeChat（Dr-wly）を追加するか、記事末尾のQRコードをスキャンして詳細をご覧ください。」

今年の集積固体回路会議（ISSCC）のテーマは「AI時代を支える集積回路そして、開会全体会議では、AIが半導体分野をどの程度「変革」しているかを明らかにすることを目的としていた。
 

Google AI責任者のジェフ・ディーン氏、MediaTekの上級副社長であるコウ・ホン・ロー氏、Imecのプロジェクトディレクターであるナディーン・コラート氏、IBMリサーチのディレクターであるダリオ・ギル氏はそれぞれ、AIアプリケーション専用に設計された新しいプロセッサ（CPUやGPUも含む）をどのように駆動するか、構造的なイノベーション（小型チップ、マルチチップパッケージ、インターポーザーなど）をどのように促進するか、さらには量子コンピューティングの開発にどのような影響を与えるかなど、電子分野におけるAIへの期待と要件について説明した。
 
レイアウトとルーティングに時間がかかりすぎていませんか？Google AIはコスト削減と効率向上を支援します。
   
先週、サンフランシスコでISSCC会議が開催された。会議中、Googleは人工知能が回路設計と同様に重要であると述べ、Googleは、集積回路設計プロセスにおける自動レイアウトおよびルーティングの問題を解決するために、機械学習を活用しようとしている。そして、良好な結果を達成した。  
近年、人工知能の応用はエレクトロニクス分野における研究のホットスポットおよび焦点となっている。この方向性は、多くの半導体研究者を惹きつけ、従来の方向性と人工知能の融合に関連する研究に取り組んでいる。特に、今年の集積固体回路会議（ISSCC）では、会議のテーマを次のように設定した。「集積回路でAIの新時代を切り拓く開会式では、この会議の目的は半導体分野の研究におけるAIの影響を探ることであるとも述べられた。
開会式で講演した4人の講演者は、人工知能への需要が、CPUやGPUと比較して、AI専用の新しいプロセッサの設計をどのように推進しているか、小型チップ、マルチチップパッケージ、プラグイン設計などの構造的な革新をどのように促進しているか、さらには将来の量子コンピューティングの開発にどのような影響を与えているかについて説明した。  
カンファレンスの最初の講演者は、Google AI の責任者であるジェフ・ディーン氏でした。ジェフ・ディーン氏は、Google が実験を行っていると述べました。集積回路設計における配置配線タスクを実行するための機械学習の活用つまり、AIに集積回路のレイアウトと配線を学習させることで、設計専門家の人的労力を削減するということである。      人間のASIC専門家による配置・配線結果と、低消費電力の機械学習アクセラレータチップによる配置・配線結果の比較。Googleは意図的に画像の一部を隠している。（出典：Google Research / ISSCC）
ジェフ・ディーン氏はまず、AIと機械学習の発展の歴史を簡単に紹介し、次に機械がバックギャモンを学習する方法、ディープ・ブルーがチェスをプレイする方法、アルファゴーが囲碁で優れた成績を収める方法を紹介した。そして、AIは現在、「スタークラフト」のような非常に複雑なビデオゲームを扱い、「画期的な成果」を達成できるようになったと述べた。同時に、機械学習は医療画像処理にも広く活用されている。ロボット工学、コンピュータビジョン、自動運転、神経科学、農業、気象予報、その他分野。  
  数十年にわたり、コンピューティング技術の発展を推進してきた基本的な考え方は問題が大きければ大きいほど、より多くの計算能力を投入する。処理能力が高ければ高いほど、より大きな問題を解決できる。この法則は、しばらくの間、AI問題の解決にも当てはまっていた。しかし、問題空間の爆発的な拡大により、この法則はすぐに破られた。なぜなら、そのような問題を解決するために十分なCPU/GPUを確保することは単純に不可能だからだ。  
事実が証明しているAI/MLは、一般的なCPU/GPUのような複雑さを必要とせず、必要な計算もより単純で、要求される精度もはるかに低い。この発見が示唆するのは、専用のAI/MLアクセラレータはCPU/GPUほど複雑である必要がないということだ。これに基づき、GoogleはTensorFlowアクセラレータを設計し、第3世代製品を発売した。第4世代製品も間もなく発売される予定だ。AI/MLプロセッサは設計が比較的容易で、そのため比較的安価であり、これらすべてが機械学習をネットワークのエッジへとさらに押し進めることを容易にする。2019年の時点で、Googleはすでにスマートフォン向けに非常にコンパクトなモデルを提供している。  
現段階では、あらゆるAIベースのアプリケーション（自動運転、医療画像処理、ゲームなど）は、専用のAI/MLシステムを訓練することで実現されています。では、AIは、あるシステムで学習した知識を、これまで見たことのない新しいシステムに適用できるのでしょうか？答えは明白です。「はい」。  
「私がこの話を持ち出したのは、ASIC設計における配置配線にAIを活用することを検討し始めたからです」とジェフ・ディーン氏は述べた。配置とルーティングは、Goよりもはるかに難しい。目標はより曖昧で、問題の規模はより大きい。Googleは場所と経路の学習モデルを作成し、そのツールをさらに汎用化できるかどうかを検証した。「これまでのところ、すべての試みで非常に良い結果が得られています」とジェフ・ディーン氏は述べた。「その性能は人間よりもわずかに優れており、時にははるかに優れています。」Googleは、機械学習を用いた配置・ルーティングの有効性を市販ソフトウェアと比較した。テスト回路は、Ariane RISC-V CPUを含む複数の異なるモジュールで構成されている。（出典：Google Research / ISSCC）
「より良い」とは、非常に短い時間で配置と配線を行うことを意味します。この作業は、通常、人間の設計専門家が行うと1週間、あるいは数週間かかるでしょう。ML配置とルーターは通常24時間で同量の作業を完了でき、レイアウト配線は通常より短くなります。ML place and routerによる自動配置配線の優れたパフォーマンスの詳細については、Cadence社のRod Metcalfe氏が執筆した記事「EDAにおける機械学習が設計サイクルを加速する」をご参照ください。  
ジェフ・ディーン氏は、機械学習はIC設計プロセスの他の部分にも拡張できる可能性があると述べた。例えば、機械学習を用いてテストケースを生成し、ASIC設計をより徹底的に検証したり、機械学習を用いて高レベルのコード合成を改善し、より最適化された設計を実現したりすることが考えられる。これらの応用分野は、機械学習自体の普及にとって重要であると同時に、集積回路設計の進歩を加速させる上でも同様に重要である。  
高コスト・高出力のCPU/GPUは不要で、エッジコンピューティングはカスタマイズ可能
   
MediaTekの上級副社長兼最高戦略責任者であるKou-Hung Loh氏は、IoTデバイスは数百億ものモノを相互に接続しているが、AIはインターネットに接続されたあらゆるものを変えつつあると指摘した。  
AIがエッジコンピューティングへと移行している理由の一つは、ディーンがこのセクションで先に述べた通りですが、他にも以下のような多くの理由があります。データセンターにおける増大する処理負荷を軽減し、ネットワークトラフィックを最小限に抑える。、また、ニアローカル処理の使用を必要とするリアルタイム アプリケーション。ローカル処理の要件: 高速 (AI コンピューティング用に特別に設計されている必要があります)、および低消費電力。AI 用に特別に設計されたこれらのプロセッサは、AI プロセッサ ユニットと呼ばれます。APU は CPU よりも柔軟性に劣る可能性がありますが、専用であるため、APUはCPUよりも20倍高速に動作し、消費電力はCPUの55分の1で済む。。  
複数のシステムを共同設計するのは難しいですか？AIは、8つの奇経を開拓するのに役立ちます。
   
Imecのプロジェクトディレクターであるナディーン・コラート氏は、ムーアの法則は今後数年間は依然として適用される可能性があると指摘した。CMOSの微細化はますます困難になっているものの、FinFET、ナノシート、フォークシートなどの技術を用いることで、チップレベルのCMOSをさらに微細化できる可能性がある。3D技術が最良の方法であると考えられており、これには多層パッケージ、シリコンのスルーホール、他の標準セルとの微細レベルの接続などが含まれる。具体的な技術の選択は、システム設計要件と利用可能なデバイス特性に基づいて決定する必要がある。「これは複雑な作業になるだろう」とコラート氏は述べた。これは、ツールレベルでさまざまなソリューションの試用と比較をサポートする必要があるため、EDAサプライヤーに大きなプレッシャーを与えることになるだろう。  
無線通信システムのフロントエンドモジュールは、特別な課題となるだろう。「一般的に、これらのシステムは最も多様性に富んでおり、さまざまな技術を用いた多くの異なるコンポーネントを使用している。さらに、アンテナ、パワーアンプ、フィルタなどが追加されることで、フロントエンドモジュールはより複雑になる。」無線通信業界は、より高い周波数とより高い効率へと向かっている。一つの選択肢は、GaNやSiCなどのIII-V族材料をCMOSと組み合わせることで、両方の材料の利点を活かすことです。ナディーン・コラート氏は、シリコン・オン・インシュレーター（SOI）基板上に成長させたIII-V族材料を用いた3Dナノリッジの図解例を示しつつ、この分野にはまだ多くの課題が残されていると指摘しました。      Imecは、シリコン・オン・インシュレーター（SOI）基板上にIII-V族半導体材料の3次元ナノリッジを成長させる能力を実証した。
機械学習がメモリに与える影響は、さらに明白です。AIやMLといった新しいアプリケーションは、メモリへの高速アクセスを必要とします。人々は、メモリコンピューティングに早急に注目し、開発を進める必要があります。ロジックとストレージがますます密接に結びつくにつれ、3Dパッケージングは​​間違いなく重要な役割を果たすでしょう。  
量子コンピューティングと人工知能は互いに力を与え合い、補完し合うことができる。
   
 

IBMリサーチディレクターのダリオ・ギル氏は、同カンファレンスで汎用AIについてさらに言及し、「汎用AIが量子コンピュータに実装されるのはほぼ確実だ」と結論付けた。最大のメリットは、ビット（数値処理）、ニューロン（AI）、そして量子ビット（量子コンピューティング）の相補的な利用から得られる可能性がある。IBMは2016年に最初の量子コンピュータへのアクセスを開放し、現在では最新の53量子ビットモデルを含む15台の量子コンピュータを利用できる。

免責事項：この記事は「新智源」からの転載です。この記事は著者の個人的な見解を示すものであり、サッコマイクロおよび業界の見解を示すものではありません。知的財産権の保護を支援する目的で転載・共有しています。転載の際は、出典と著者を明記してください。著作権侵害が疑われる場合は、削除いたしますのでご連絡ください。

会社の電話番号：+86-0755-83044319
ファックス番号：+86-0755-83975897
Eメール：1615456225@qq.com
QQ: 3518641314 李マネージャー

QQ: 332496225 邱マネージャー

住所：深圳市龍華新区民治大道1079号 占濤科技ビルC棟809室