[새로운 지혜에 대한 소개]기존의 집적 회로 설계는 시간이 많이 걸리고 노동 집약적입니다. 인공지능을 활용하여 작업 효율을 향상시킬 수 있을까요? 올해 ISC(Integrated Solid-State Circuit Conference)에서 구글 AI 책임자 제프 딘을 비롯한 4명의 리더들이 프로세서, 양자 컴퓨팅, 구조 혁신 등에 대한 AI 애플리케이션의 중요한 영향에 대해 설명했습니다. "신즈위안(Xinzhiyuan)은 수석 작가, 편집자, 운영 관리자, 영업 관리자를 긴급히 모집하고 있습니다. HR 위챗(Dr-wly)을 추가하거나 기사 하단의 QR 코드를 스캔하여 자세한 내용을 확인하세요."

올해 집적 고체 회로 컨퍼런스(ISSCC)의 주제는 “인공지능 시대를 이끄는 집적 회로그리고 개막 전체 회의는 인공지능이 반도체 산업을 어느 정도까지 변화시키고 있는지를 파악하기 위한 것이었습니다.
 

구글 AI 책임자인 제프 딘, 미디어텍의 수석 부사장인 로커우훙, 이멕의 프로젝트 디렉터인 나딘 콜라에르트, 그리고 IBM 리서치의 디렉터인 다리오 길은 각각 전자 분야에서 AI에 대한 기대와 요구 사항을 설명했습니다. 여기에는 AI 애플리케이션에 특화된 새로운 프로세서(CPU 및 GPU 포함) 개발, 소형 칩, 멀티칩 패키지, 인터포저와 같은 구조적 혁신 촉진, 나아가 양자 컴퓨팅 개발에 미치는 영향 등이 포함되었습니다.
 
레이아웃 및 경로 설정 작업에 시간이 너무 많이 소요되나요? Google AI가 비용을 절감하고 효율성을 높이는 데 도움을 드립니다.
   
지난주 샌프란시스코에서 ISSCC 컨퍼런스가 개최되었습니다. 이 컨퍼런스에서 구글은 인공지능이 회로 설계에 있어서도 똑같이 중요하다고 강조하며 다음과 같은 발표를 했습니다.구글은 집적 회로 설계 과정에서 자동화된 레이아웃 및 라우팅 문제를 해결하기 위해 머신 러닝을 활용하려고 시도하고 있습니다.그리고 좋은 결과를 얻었습니다.  
최근 몇 년 동안 전자 분야에서 인공지능의 응용은 연구의 핵심 주제이자 중요한 관심사였습니다. 이러한 추세는 수많은 반도체 연구자들이 전통적인 연구 방향과 인공지능을 결합한 연구에 참여하도록 이끌었습니다. 특히 올해 집적회로학회(ISSCC)는 학회 주제를 "인공지능과 전자공학의 융합"으로 정했습니다.집적 회로를 통해 인공지능의 새로운 시대를 열다개막식에서는 또한 이번 컨퍼런스의 목적이 반도체 분야 연구에 대한 인공지능의 영향을 탐구하는 것이라고 밝혔습니다.
개막식에 참석한 네 명의 연사는 인공지능에 대한 수요가 어떻게 새로운 AI 전용 프로세서(CPU 및 GPU와 비교) 설계를 주도하고 있는지, 어떻게 구조적 혁신(소형 칩, 멀티칩 패키지 또는 플러그인 설계 사용 등)을 촉진하고 있는지, 나아가 미래 양자 컴퓨팅 개발에 어떤 영향을 미치고 있는지 설명했습니다.  
컨퍼런스의 첫 번째 연사는 구글 AI 책임자인 제프 딘이었습니다. 제프 딘은 구글이 다음과 같은 실험을 진행하고 있다고 언급했습니다.집적 회로 설계에서 배치 및 배선 작업을 수행하기 위해 머신 러닝 활용즉, 인공지능이 집적 회로의 배치와 배선을 학습하도록 하여 설계 전문가의 인력을 절감하는 것입니다.      인간 ASIC 전문가의 배치 및 라우팅 결과와 저전력 ML 가속기 칩의 배치 및 라우팅 결과를 비교한 이미지입니다. 구글은 의도적으로 이미지의 일부를 가렸습니다. (출처: 구글 리서치 / ISSCC)
제프 딘은 먼저 인공지능(AI)과 머신러닝(ML)의 발전 역사를 간략하게 소개한 후, 기계가 백개먼을 학습하는 방식, 딥 블루가 체스를 두는 방식, 알파고가 바둑을 잘 두는 방식에 대해 설명했습니다. 이제 AI는 스타크래프트와 같은 매우 복잡한 비디오 게임을 처리하고 획기적인 성과를 달성할 수 있습니다. 동시에 머신러닝은 의료 영상 분야에서도 널리 활용되고 있습니다.로봇공학, 컴퓨터 비전, 자율 주행, 신경과학, 농업, 기상 예측 및 기타 분야.  
  수십 년 동안 컴퓨팅 기술 발전을 이끌어 온 기본 아이디어는 다음과 같았습니다.문제가 클수록 더 많은 컴퓨팅 파워를 투입해야 합니다. 처리 능력이 클수록 더 큰 문제를 해결할 수 있습니다. 한동안 이 규칙은 인공지능 문제 해결에도 적용되었습니다. 그러나 기하급수적으로 증가하는 문제 영역 때문에 이 규칙은 빠르게 무너졌습니다. 이러한 문제를 해결하기 위해 충분한 CPU/GPU 자원을 확보하는 것이 불가능해졌기 때문입니다.  
사실은 다음과 같이 입증되었습니다.AI/ML은 일반적인 CPU/GPU만큼 복잡할 필요가 없으며, 필요한 계산도 더 간단하고 요구되는 정확도도 훨씬 낮습니다.이 발견의 의미는 전용 AI/ML 가속기가 CPU/GPU처럼 복잡할 필요가 없다는 것입니다. 이를 바탕으로 구글은 텐서플로우 가속기를 설계하여 3세대 제품을 출시했고, 4세대 제품도 곧 출시할 예정입니다. AI/ML 프로세서는 설계가 비교적 간단하고 따라서 가격도 저렴하기 때문에 머신러닝을 네트워크 엣지로 더욱 확장하는 것이 용이해졌습니다. 2019년 기준으로 구글은 이미 스마트폰에 탑재 가능한 매우 소형화된 모델을 보유하고 있습니다.  
현재 모든 AI 기반 애플리케이션(자율 주행, 의료 영상, 게임)은 전용 AI/ML 시스템을 학습시켜 구현됩니다. 그렇다면 AI는 한 시스템에서 학습한 지식을 이전에 접해본 적 없는 새로운 시스템에 적용할 수 있을까요? 답은 명확합니다. "네."  
"제가 이 이야기를 꺼내는 이유는 ASIC 설계에서 배치 및 라우팅에 AI를 사용하는 방안을 고려하기 시작했기 때문입니다."라고 제프 딘이 말했습니다.배치와 경로 설정은 바둑보다 훨씬 어렵습니다.목표는 더 모호하고 문제의 규모는 더 크다.구글은 장소와 경로를 학습하는 모델을 만든 후, 이 도구가 더욱 일반화될 수 있는지 시험해 보았습니다. 제프 딘은 "지금까지 모든 시도에서 매우 좋은 결과를 얻었습니다."라고 말했습니다. "성능은 인간보다 약간 뛰어나고, 때로는 훨씬 뛰어납니다."구글은 머신러닝을 활용한 배치 및 라우팅의 효율성을 상용 소프트웨어와 비교했습니다. 테스트 회로는 Ariane RISC-V CPU를 포함한 여러 모듈로 구성되어 있습니다. (출처: 구글 리서치 / ISSCC)
"더 나은"이란 매우 짧은 시간 안에 배치와 경로 설정을 완료하는 것을 의미합니다. 일반적으로 휴먼 디자인 전문가가 이 작업을 완료하려면 일주일 또는 몇 주가 걸립니다.ML 배치 및 라우터는 일반적으로 24시간 내에 동일한 양의 작업을 완료할 수 있으며, 레이아웃 배선도 일반적으로 더 짧습니다.자동 배치 및 라우팅에서 ML 배치 및 라우터의 더욱 뛰어난 성능에 대해서는 Cadence의 Rod Metcalfe가 작성한 "EDA에서의 머신 러닝으로 설계 주기 단축"이라는 기사를 참조하십시오.  
제프 딘은 머신러닝이 IC 설계 프로세스의 다른 부분으로도 확장될 수 있다고 말했습니다. 예를 들어, 머신러닝을 활용하여 ASIC 설계를 더욱 완벽하게 검증하는 테스트 케이스를 생성하거나, 최적화된 설계를 위해 고수준 코드 합성을 개선하는 데 사용할 수 있다는 것입니다. 이러한 응용 분야는 머신러닝 자체의 대중화에 중요할 뿐만 아니라 집적 회로 설계의 발전을 가속화하는 데에도 매우 중요합니다.  
고가의 고성능 CPU/GPU가 필수적인 것은 아니며, 엣지 컴퓨팅은 맞춤형으로 구현할 수 있습니다.
   
미디어텍의 수석 부사장 겸 최고 전략 책임자인 로커우훙은 IoT 기기가 수백억 개의 사물을 연결하지만, AI는 인터넷에 연결된 모든 것을 변화시키고 있다고 지적했습니다.  
AI가 엣지 컴퓨팅으로 나아가는 이유 중 하나는 딘이 이 섹션 앞부분에서 언급했듯이 다음과 같은 여러 가지 이유가 있습니다.데이터 센터의 증가하는 처리 부담을 완화하고 네트워크 트래픽을 최소화합니다.그리고 근접 로컬 처리가 필요한 실시간 애플리케이션도 있습니다. 로컬 처리 요구 사항은 빠른 속도(AI 컴퓨팅을 위해 특별히 설계되어야 함)와 낮은 전력 소비입니다. AI를 위해 특별히 설계된 이러한 프로세서를 AI 프로세서 유닛(APU)이라고 합니다. APU는 CPU보다 유연성이 떨어질 수 있지만, AI 전용이기 때문에APU는 CPU보다 20배 빠른 성능을 발휘하면서 전력 소비량은 55배 적습니다..  
여러 시스템을 공동 설계하는 것이 어렵습니까? AI는 팔경맥의 새로운 가능성을 열어줍니다.
   
Imec의 프로젝트 디렉터인 나딘 콜라에르트는 향후 몇 년 동안 무어의 법칙이 여전히 적용될 수 있다고 지적했습니다. CMOS 칩의 크기 축소는 점점 어려워지고 있지만, FinFET, 나노시트, 포크시트 등의 기술을 활용하여 칩 수준의 CMOS를 더욱 축소할 수 있습니다. 특히 3D 기술이 최적의 방법으로 여겨지는데, 여기에는 다층 패키징, 실리콘 관통 홀, 그리고 다른 표준 셀과의 미세 연결 등이 포함됩니다. 특정 기술의 선택은 시스템 설계 요구 사항과 사용 가능한 디바이스 특성을 기반으로 결정해야 합니다. 콜라에르트는 "이는 매우 복잡한 작업이 될 것"이라고 말했습니다. 이는 EDA 공급업체에 상당한 부담을 줄 것입니다. EDA 공급업체가 툴 수준에서 다양한 솔루션의 시험 및 비교를 지원해야 하기 때문입니다.  
무선 통신 시스템의 프런트엔드 모듈은 특별한 과제가 될 것입니다. "일반적으로 이러한 시스템은 가장 다양합니다. 서로 다른 기술의 다양한 구성 요소를 사용하고, 안테나, 전력 증폭기(PA), 필터 등이 추가되면서 프런트엔드 모듈은 더욱 복잡해집니다."무선 통신 산업은 더 높은 주파수와 더 높은 효율성을 향해 나아가고 있습니다.한 가지 방법은 GaN 및 SiC와 같은 III-V 재료를 CMOS와 결합하여 두 재료의 장점을 모두 얻는 것입니다. 나딘 콜라에르트는 절연체 위에 실리콘(SOI) 기판을 성장시킨 III-V 재료로 만든 3D 나노 리지의 사진을 예시로 들면서, 이 분야에는 아직 연구해야 할 부분이 많다고 지적했습니다.      Imec은 실리콘 온 인슐레이터(SOI) 기판 위에 III-V 물질로 이루어진 3D 나노 능선을 성장시키는 기술을 시연했습니다.
머신러닝이 메모리에 미치는 영향은 더욱 분명합니다. AI와 ML 같은 새로운 애플리케이션은 메모리에 대한 빠른 접근을 요구합니다. 따라서 메모리 컴퓨팅에 대한 관심과 개발이 시급합니다. 논리와 스토리지가 점점 더 가까워짐에 따라 3D 패키징은 중요한 역할을 할 것입니다.  
양자 컴퓨팅과 인공지능은 서로를 보완하며 시너지 효과를 낼 수 있습니다.
   
 

IBM 연구소장 다리오 길은 컨퍼런스에서 일반화된 인공지능에 대해 언급하며 "일반화된 인공지능이 양자 컴퓨터에 구현될 가능성이 매우 높다"고 결론지었습니다.가장 큰 이점은 비트(숫자 처리), 뉴런(인공지능) 및 큐비트(양자 컴퓨팅)의 상호 보완적인 활용에서 비롯될 수 있습니다.IBM은 2016년에 최초의 양자 컴퓨터에 대한 접근을 개방했으며, 현재 최신 53큐비트 모델을 포함하여 총 15대의 양자 컴퓨터를 보유하고 있습니다.

면책 조항: 본 기사는 "신즈위안"에서 재인쇄되었습니다. 본 기사는 전적으로 필자의 개인적인 견해이며, 사코마이크로 및 업계의 공식적인 입장을 대변하는 것은 아닙니다. 본 기사는 지적 재산권 보호를 위해 재인쇄 및 공유되는 것이며, 재인쇄 시 원문 출처와 필자를 반드시 명시해 주시기 바랍니다. 저작권 침해 사항이 있을 경우, 삭제를 위해 당사에 연락 주시기 바랍니다.

회사 전화번호: +86-0755-83044319
팩스: +86-0755-83975897
이메일: 1615456225@qq.com
QQ: 3518641314 리 관리자

QQ: 332496225 Qiu 관리자

주소: 중국 선전시 룽화신구 민즈대로 1079번지 전타오테크놀로지빌딩 C동 809호