[Introdução à Nova Sabedoria]O projeto tradicional de circuitos integrados é demorado e trabalhoso. Será que a inteligência artificial pode ser usada para melhorar a eficiência do trabalho? Na Conferência de Circuitos Integrados de Estado Sólido deste ano, quatro líderes, incluindo Jeff Dean, chefe de IA do Google, explicaram o impacto significativo das aplicações de IA em processadores, computação quântica, inovação estrutural, etc. "A Xinzhiyuan está procurando urgentemente redatores-chefes, editores, gerentes de operações e gerentes de contas. Adicione o RH no WeChat (Dr-wly) ou escaneie o código QR no final do artigo para saber mais."

O tema da Conferência de Circuitos Integrados de Estado Sólido (ISSCC) deste ano é “Circuitos integrados impulsionando a era da IAE a sessão plenária de abertura teve como objetivo mapear até que ponto a IA está "transformando" o setor de semicondutores.
 

Jeff Dean, chefe da Google AI, Kou-Hung Loh, vice-presidente sênior da MediaTek, Nadine Collaert, diretora de projetos da Imec, e Dario Gil, diretor da IBM Research, explicaram, respectivamente, as expectativas e os requisitos para a IA no campo da eletrônica, como impulsionar novos processadores (bem como CPUs e GPUs) projetados especificamente para aplicações de IA; promover a inovação estrutural (como chips pequenos, pacotes multichip, interposers); e até mesmo influenciar o desenvolvimento da computação quântica.
 
O planejamento e o roteamento consomem muito tempo? A IA do Google ajuda você a reduzir custos e aumentar a eficiência.
   
A conferência ISSCC foi realizada em São Francisco na semana passada. Durante a conferência, o Google afirmou que a inteligência artificial é tão importante quanto o projeto de circuitos e anunciouO Google está tentando usar aprendizado de máquina para resolver problemas automatizados de layout e roteamento no processo de projeto de circuitos integrados.e obteve bons resultados.  
A aplicação da inteligência artificial tem sido um tema de pesquisa de grande interesse e foco na área da eletrônica nos últimos anos. Essa direção tem atraído um grande número de pesquisadores de semicondutores para se dedicarem a pesquisas relacionadas à combinação de abordagens tradicionais com a inteligência artificial. Em particular, a Conferência de Circuitos Integrados de Estado Sólido (ISSCC) deste ano definiu o tema da conferência como: "Promovendo uma nova era da IA ​​com circuitos integrados.A cerimônia de abertura também declarou que o objetivo desta conferência era explorar o impacto da IA ​​na pesquisa na área de semicondutores.
Os quatro palestrantes da cerimônia de abertura explicaram como a demanda por inteligência artificial está impulsionando o design de novos processadores específicos para IA (em comparação com CPUs e GPUs), como está promovendo a inovação estrutural (como o uso de chips pequenos, pacotes multichip ou designs plugáveis) e até mesmo como está afetando o desenvolvimento da futura computação quântica.  
O primeiro palestrante da conferência foi Jeff Dean, chefe de IA do Google. Jeff Dean mencionou que o Google está experimentando comAproveitando o aprendizado de máquina para executar tarefas de posicionamento e roteamento no projeto de circuitos integrados.Ou seja, permitir que a IA aprenda o layout e a fiação em circuitos integrados, economizando o trabalho humano de especialistas em design.      Comparação dos resultados de posicionamento e roteamento de um especialista humano em ASIC com os resultados de posicionamento e roteamento de um chip acelerador de aprendizado de máquina de baixo consumo. O Google ocultou intencionalmente partes da imagem. (Fonte: Google Research / ISSCC)
Jeff Dean começou apresentando brevemente a história do desenvolvimento da IA ​​e do ML, e depois explicou como as máquinas aprendem a jogar gamão, como o Deep Blue joga xadrez e como o AlphaGo é bom em jogar Go. Ele também mencionou que a IA agora consegue lidar com videogames muito complexos (como "StarCraft") e alcançar "resultados históricos". Ao mesmo tempo, o aprendizado de máquina também é amplamente utilizado em imagens médicas.Robótica, visão computacional, direção autônoma, neurociência, agricultura, previsão do tempo e outras áreas..  
  Durante décadas, a ideia básica que impulsionou o desenvolvimento da tecnologia da computação foiQuanto maior o problema, mais poder computacional alocamos para ele. Quanto mais poder de processamento você tem, maiores os problemas que você pode resolver. Por um tempo, essa regra também se aplicou à resolução de problemas de IA. No entanto, essa regra foi rapidamente quebrada pela explosão do espaço de problemas. Simplesmente não conseguimos alocar CPU/GPU suficiente para resolver problemas de tal magnitude.  
Os fatos comprovaram queA IA/ML não exige a complexidade de uma CPU/GPU típica, os cálculos necessários são mais simples e a precisão exigida é muito menor.A implicação dessa descoberta é que aceleradores dedicados de IA/ML não precisam ser tão complexos quanto CPUs/GPUs. Com base nisso, o Google projetou o acelerador TensorFlow e lançou a terceira geração do produto, e a quarta geração será lançada em breve. Processadores de IA/ML são relativamente simples de projetar e, portanto, relativamente baratos, o que facilita levar o aprendizado de máquina para a borda da rede. Em 2019, o Google já tinha um modelo bastante compacto disponível em smartphones.  
Atualmente, todas as aplicações baseadas em IA (condução autônoma, imagens médicas, jogos) são implementadas por meio do treinamento de sistemas de IA/ML dedicados. Portanto, a IA pode aplicar o conhecimento adquirido em um sistema a um novo sistema que nunca viu antes? A resposta é clara: "SIM".  
“O motivo pelo qual menciono isso é porque começamos a pensar em usar IA para posicionamento e roteamento no projeto de ASICs”, disse Jeff Dean.O posicionamento e o roteamento são muito mais difíceis do que no jogo de Go:O objetivo é mais vago e a dimensão do problema é maior.O Google criou um modelo de aprendizado de localização e rota e então tentou verificar se a ferramenta pode ser generalizada. "Até agora, tivemos resultados muito bons em todas as nossas tentativas", disse Jeff Dean. "Seu desempenho é ligeiramente melhor que o dos humanos, às vezes muito melhor."O Google comparou a eficácia do uso de aprendizado de máquina para posicionamento e roteamento com softwares comerciais. O circuito de teste consiste em diversos módulos diferentes, incluindo uma CPU Ariane RISC-V. (Fonte: Google Research / ISSCC)
"Melhor" significa posicionamento e roteamento em um tempo muito curto. Essa tarefa normalmente levaria uma semana ou até mesmo semanas para ser concluída por um especialista em design humano.O posicionamento e o roteador ML geralmente conseguem concluir a mesma quantidade de trabalho em 24 horas, e os fios do layout costumam ser mais curtos.Para obter um desempenho ainda melhor do recurso de posicionamento e roteamento automático por aprendizado de máquina, consulte o artigo "Machine Learning in EDA Speeds Up the Design Cycle" escrito por Rod Metcalfe da Cadence.  
Jeff Dean afirmou que o aprendizado de máquina também pode ser estendido a outras partes do processo de projeto de circuitos integrados, incluindo o uso de aprendizado de máquina para ajudar a gerar casos de teste para verificar mais completamente os projetos de ASICs; e talvez o uso de aprendizado de máquina para aprimorar a síntese de código de alto nível para obter projetos mais otimizados. Essas possíveis direções de aplicação são importantes para a popularização do próprio aprendizado de máquina e igualmente importantes para acelerar o progresso do projeto de circuitos integrados.  
Não é necessário um processador (CPU) ou placa gráfica (GPU) de alto custo e alto consumo de energia; a computação de borda pode ser personalizada.
   
Kou-Hung Loh, vice-presidente sênior e diretor de estratégia da MediaTek, destacou que os dispositivos da IoT conectam dezenas de bilhões de coisas, mas a IA está mudando tudo o que está conectado à internet.  
Parte da razão pela qual a IA está migrando para a computação de borda é, como Dean mencionou anteriormente nesta seção, e há muitas outras razões, incluindo:Aliviar a crescente carga de processamento nos centros de dados e minimizar o tráfego de rede.e aquelas aplicações em tempo real que exigem o uso de processamento quase local. Requisitos de processamento local: velocidade (deve ser especialmente projetado para computação de IA) e baixo consumo de energia. Esses processadores especialmente projetados para IA são chamados de unidades de processamento de IA (APUs). Uma APU pode ser menos flexível que uma CPU, mas, por ser dedicada,A APU pode ter um desempenho 20 vezes mais rápido que a CPU e consumir 55 vezes menos energia que a CPU..  
É difícil projetar vários sistemas em conjunto? A IA ajuda você a desvendar os oito meridianos extraordinários.
   
Nadine Collaert, diretora de projetos do Imec, destacou que a Lei de Moore ainda pode ser válida nos próximos anos. Embora seja cada vez mais difícil miniaturizar o CMOS, FinFETs, nanosheets, forksheets e outras tecnologias podem ser usadas para alcançar uma maior redução da escala do CMOS em nível de chip. Acredita-se que a tecnologia 3D seja o melhor método, incluindo o uso de encapsulamento multicamadas, furos passantes no silício e conexões de alta precisão com outras células padrão. A escolha da tecnologia específica precisa ser determinada com base nos requisitos de projeto do sistema e nos atributos disponíveis do dispositivo. "Será um exercício complexo", disse Collaert. Isso exercerá muita pressão sobre os fornecedores de EDA, pois exigirá que eles deem suporte à experimentação e comparação de diferentes soluções no nível da ferramenta.  
Os módulos front-end dos sistemas de comunicação sem fio representarão um desafio especial. "Normalmente, esses sistemas são os mais diversos: utilizam muitos componentes diferentes de tecnologias distintas, e os módulos front-end tornam-se mais complexos com a adição de antenas, amplificadores de potência e filtros."A indústria de comunicações sem fio está caminhando em direção a frequências mais altas e maior eficiência.Uma opção é combinar materiais III-V, como GaN e SiC, com CMOS para obter as vantagens de ambos os materiais. Nadine Collaert apresentou um exemplo visual de uma nano-crista 3D com materiais III-V crescidos sobre um substrato de silício sobre isolante (SOI), ressaltando que ainda há muito trabalho a ser feito nessa área.      A Imec demonstra sua capacidade de cultivar nano-cristas 3D de materiais III-V em substratos de silício sobre isolante (SOI).
Quanto ao impacto do aprendizado de máquina na memória, ele é ainda mais evidente. Novas aplicações como IA e ML exigem acesso rápido à memória. É urgente que se dê atenção e se dedique ao desenvolvimento da computação de memória. À medida que a lógica e o armazenamento se tornam cada vez mais integrados, a tecnologia de encapsulamento 3D certamente desempenhará um papel fundamental.  
Ao se potencializarem mutuamente, a computação quântica e a inteligência artificial podem se complementar.
   
 

O diretor de pesquisa da IBM, Dario Gil, mencionou ainda a IA generalizada na conferência: "É quase certo que a IA generalizada será implementada em computadores quânticos", concluiu.Os maiores benefícios podem advir do uso complementar de bits (processamento numérico), neurônios (IA) e qubits (computação quântica).A IBM abriu o acesso ao primeiro computador quântico em 2016 e agora tem acesso a 15 computadores quânticos, incluindo seu modelo mais recente de 53 qubits.

Aviso: Este artigo foi republicado do "Xinzhiyuan". Este artigo representa apenas a opinião pessoal do autor e não representa a opinião da Sacco Micro ou da indústria. Ele foi republicado e compartilhado apenas para apoiar a proteção dos direitos de propriedade intelectual. Por favor, indique a fonte original e o autor ao republicar o conteúdo. Se houver alguma violação de direitos autorais, entre em contato conosco para que possamos removê-lo.

Número de telefone da empresa: +86-0755-83044319
Fax: +86-0755-83975897
E-mail: 1615456225@qq.com
QQ: 3518641314 Gerente Li

QQ: 332496225 Gerente Qiu

Endereço: Sala 809, Edifício C, Edifício de Tecnologia Zhantao, nº 1079 Avenida Minzhi, Novo Distrito de Longhua, Shenzhen