[Введение в Новую Мудрость]Традиционное проектирование интегральных схем — трудоемкий и длительный процесс. Можно ли использовать искусственный интеллект для повышения эффективности работы? На конференции по интегральным твердотельным схемам в этом году четыре лидера, включая главу отдела искусственного интеллекта Google Джеффа Дина, объяснили значительное влияние приложений ИИ на процессоры, квантовые вычисления, структурные инновации и т. д. «Компания Xinzhiyuan срочно ищет главных авторов, редакторов, операционных менеджеров и менеджеров по работе с клиентами. Добавьте HR в WeChat (Dr-wly) или отсканируйте QR-код в конце статьи, чтобы узнать больше».

Тема конференции по интегральным твердотельным схемам (ISSCC) в этом году — «Интегральные схемы, питающие эру искусственного интеллекта.«А вступительная пленарная сессия была призвана определить, в какой степени ИИ «сворачивает» полупроводниковую отрасль».
 

Джефф Дин, руководитель Google AI, Коу-Хунг Ло, старший вице-президент MediaTek, Надин Коллаерт, директор проекта Imec, и Дарио Гил, директор IBM Research, соответственно, объяснили ожидания и требования к ИИ в электронной промышленности, такие как разработка новых процессоров (а также ЦП и ГП), специально предназначенных для приложений ИИ; содействие структурным инновациям (таким как микросхемы, многокристальные корпуса, интерпозеры); и даже влияние на развитие квантовых вычислений.
 
Разработка планировки и маршрутизации занимает слишком много времени? Искусственный интеллект Google поможет вам снизить затраты и повысить эффективность.
   
На прошлой неделе в Сан-Франциско прошла конференция ISSCC. В ходе конференции Google заявила, что искусственный интеллект не менее важен, чем проектирование схем, и объявила о следующем:Google пытается использовать машинное обучение для решения задач автоматизированного проектирования компоновки и трассировки в процессе разработки интегральных схем.и добились хороших результатов.  
Применение искусственного интеллекта в последние годы стало одним из самых актуальных направлений исследований в области электроники. Это направление привлекло большое количество исследователей полупроводниковых технологий к работе над проектами, сочетающими традиционные подходы и искусственный интеллект. В частности, тема конференции по интегральным твердотельным схемам (ISSCC) в этом году звучит так: "Продвижение новой эры искусственного интеллекта с помощью интегральных схемНа церемонии открытия также была заявлена ​​цель конференции: изучение влияния искусственного интеллекта на исследования в области полупроводников.
Четыре докладчика на церемонии открытия объяснили, как спрос на искусственный интеллект стимулирует разработку новых процессоров, специально предназначенных для ИИ (в отличие от ЦП и ГП), как он способствует структурным инновациям (таким как использование небольших чипов, многочиповых корпусов или подключаемых конструкций) и даже как он влияет на развитие будущих квантовых вычислений.  
Первым докладчиком на конференции был Джефф Дин, глава Google AI. Джефф Дин упомянул, что Google экспериментирует с...Использование машинного обучения для выполнения задач размещения и трассировки в проектировании интегральных схем.То есть, позволить ИИ изучать компоновку и проводку в интегральных схемах, экономя труд специалистов по проектированию.      Сравнение результатов размещения и трассировки, выполненных экспертом по ASIC, с результатами размещения и трассировки маломощного чипа ускорителя машинного обучения. Google намеренно скрыл некоторые части изображения. (Источник: Google Research / ISSCC)
Джефф Дин сначала кратко рассказал об истории развития ИИ и машинного обучения, а затем о том, как машины учатся играть в нарды, как Deep Blue играет в шахматы и как Alphago хорошо играет в го. Теперь ИИ может справляться с очень сложными видеоиграми (такими как StarCraft) и достигать «знаковых результатов». В то же время машинное обучение широко используется в медицинской визуализации.Робототехника, компьютерное зрение, автономное вождение, нейронаука, сельское хозяйство, прогнозирование погоды и другие области..  
  На протяжении десятилетий основной идеей, лежащей в основе развития вычислительных технологий, была...Чем больше проблема, тем больше вычислительной мощности мы ей предоставляем. Чем больше вычислительной мощности у вас есть, тем более масштабные проблемы вы можете решить. Какое-то время это правило применялось и к решению задач искусственного интеллекта. Однако оно быстро нарушилось из-за стремительного роста числа проблемных задач. Потому что мы просто не можем сэкономить достаточно ресурсов ЦП/ГП для решения таких задач.  
Факты доказали, чтоИскусственный интеллект/машинное обучение не требуют такой сложности, как обычные центральный/графический процессор, необходимые математические вычисления проще, а требуемая точность значительно ниже.Из этого открытия следует, что специализированные ускорители ИИ/машинного обучения не обязательно должны быть такими же сложными, как процессоры CPU/GPU. Исходя из этого, Google разработала ускоритель TensorFlow и выпустила продукт третьего поколения, а продукт четвертого поколения будет выпущен в ближайшее время. Процессоры ИИ/машинного обучения относительно просты в проектировании и, следовательно, относительно недороги, что облегчает продвижение машинного обучения на периферию сети. По состоянию на 2019 год у Google уже есть очень компактная модель, доступная для смартфонов.  
На данном этапе любое приложение на основе ИИ (автономное вождение, медицинская визуализация, игры) реализуется путем обучения специализированных систем ИИ/машинного обучения. Так может ли ИИ применить знания, полученные на одной системе, к новой системе, с которой он никогда раньше не сталкивался? Ответ очевиден: «ДА».  
«Я поднимаю этот вопрос, потому что мы начали задумываться об использовании ИИ для размещения и трассировки элементов в проектировании ASIC», — сказал Джефф Дин.Размещение объектов и маршрутизация — задача гораздо сложнее, чем в Go:Цель сформулирована более расплывчато, а масштаб проблемы гораздо шире.Компания Google создала модель обучения для определения местоположения и маршрута, а затем попыталась проверить, можно ли еще больше обобщить возможности этого инструмента. «Пока что все наши попытки принесли очень хорошие результаты», — сказал Джефф Дин. «Его производительность немного лучше, чем у людей, а иногда и намного лучше».Компания Google сравнила эффективность использования машинного обучения для размещения и трассировки модулей с коммерческим программным обеспечением. Тестовая схема состоит из нескольких различных модулей, включая процессор Ariane RISC-V. (Источник: Google Research / ISSCC)
«Лучше» означает размещение и маршрутизацию за очень короткое время. Для специалиста по человеческому дизайну эта задача обычно занимает неделю или даже несколько недель.Как правило, машинное обучение и маршрутизатор позволяют выполнить одинаковый объем работы за 24 часа, при этом длина разводки проводов обычно меньше.Для получения более подробной информации о производительности алгоритмов машинного обучения при размещении и трассировке, пожалуйста, обратитесь к статье «Машинное обучение в EDA ускоряет цикл проектирования», написанной Родом Меткалфом из Cadence.  
Джефф Дин отметил, что машинное обучение может быть распространено и на другие этапы процесса проектирования интегральных схем, включая использование ML для генерации тестовых примеров для более полной проверки проектов ASIC; а также, возможно, для улучшения синтеза высокоуровневого кода с целью достижения более оптимизированных проектов. Эти возможные направления применения важны для популяризации самого машинного обучения и в равной степени важны для ускорения прогресса в проектировании интегральных схем.  
Нет необходимости в дорогостоящих и мощных процессорах/графических процессорах, возможности периферийных вычислений можно настроить под конкретные задачи.
   
Коу-Хунг Ло, старший вице-президент и директор по стратегии MediaTek, отметил, что устройства IoT соединяют десятки миллиардов вещей, но искусственный интеллект меняет все, что связано с интернетом.  
Одна из причин, по которой ИИ всё чаще используется в периферийных вычислениях, заключается в том, что Дин уже упоминал ранее в этом разделе, и этому есть множество других причин, в том числе:Снизить растущую нагрузку на центры обработки данных и минимизировать сетевой трафик.а также те приложения реального времени, которые требуют использования обработки на близком к локальному уровне. Требования к локальной обработке: высокая скорость (должны быть специально разработаны для вычислений с использованием ИИ) и низкое энергопотребление. Такие процессоры, специально разработанные для ИИ, называются процессорными блоками ИИ. APU может быть менее гибким, чем CPU, но поскольку он является выделенным,APU может работать в 20 раз быстрее, чем CPU, и потреблять в 55 раз меньше энергии, чем CPU..  
Сложно ли совместно проектировать несколько систем? Искусственный интеллект поможет вам открыть для себя восемь необычайных меридианов.
   
Надин Коллаерт, руководитель проекта Imec, отметила, что закон Мура может оставаться в силе и в ближайшие несколько лет. Хотя уменьшение размеров CMOS-транзисторов становится все сложнее, FinFET-транзисторы, нанолисты, форк-листы и другие технологии могут быть использованы для дальнейшего масштабирования CMOS-технологий на уровне чипа. Считается, что 3D-технология является наилучшим методом: включая использование многослойной упаковки, сквозных отверстий в кремнии и тонких соединений с другими стандартными ячейками. Выбор конкретной технологии должен определяться на основе требований к проектированию системы и доступных характеристик устройства. «Это будет сложная задача», — сказала Коллаерт. Это окажет большое давление на поставщиков EDA-оборудования, поскольку потребует от них поддержки тестирования и сравнения различных решений на уровне инструментария.  
Модули фронтальной части беспроводных систем связи станут особой проблемой. «Как правило, эти системы наиболее разнообразны: в них используется множество различных компонентов из разных технологий, а модули фронтальной части становятся еще сложнее с добавлением антенн, усилителей мощности и фильтров».Индустрия беспроводной связи движется в сторону более высоких частот и большей эффективности.Один из вариантов — это сочетание материалов III-V группы, таких как GaN и SiC, с CMOS-технологией, чтобы получить преимущества обоих материалов. Надин Коллаерт привела наглядный пример 3D-наногребня из материалов III-V группы, выращенных на кремниевой подложке на изоляторе (SOI), отметив при этом, что в этой области еще предстоит проделать большую работу.      Компания Imec демонстрирует свою способность выращивать трехмерные наногребни из материалов III-V групп на подложках из кремния на диэлектрической подложке (SOI).
Что касается влияния машинного обучения на память, то здесь оно еще более очевидно. Новые приложения, такие как ИИ и машинное обучение, требуют быстрого доступа к памяти. Необходимо срочно уделить внимание развитию вычислительных систем, использующих память. По мере того, как логика и хранение данных все больше сближаются, 3D-упаковка, безусловно, будет играть важную роль.  
Взаимно усиливая друг друга, квантовые вычисления и искусственный интеллект могут дополнять друг друга.
   
 

Директор по исследованиям IBM Дарио Гил также упомянул об обобщенном искусственном интеллекте на конференции: «Почти наверняка обобщенный ИИ будет реализован на квантовых компьютерах», — заключил он.Наибольшие преимущества могут быть получены за счет взаимодополняющего использования битов (обработка чисел), нейронов (искусственный интеллект) и кубитов (квантовые вычисления).Компания IBM открыла доступ к первому квантовому компьютеру в 2016 году и теперь имеет доступ к 15 квантовым компьютерам, включая свою новейшую 53-кубитную модель.

Отказ от ответственности: Данная статья перепечатана из издания «Xinzhiyuan». Статья отражает исключительно личное мнение автора и не представляет точку зрения компании Sacco Micro и отрасли в целом. Перепечатка и распространение осуществляются исключительно в целях защиты прав интеллектуальной собственности. При перепечатке, пожалуйста, указывайте первоисточник и автора. В случае нарушения авторских прав, пожалуйста, свяжитесь с нами для удаления публикации.

Номер телефона компании: +86-0755-83044319
Факс: +86-0755-83975897
Почта: 1615456225@qq.com
QQ: 3518641314 Менеджер Ли

QQ: 332496225 Менеджер Цю

Адрес: Комната 809, корпус C, технологический корпус Чжаньтао, проспект Миньчжи, 1079, новый район Лунхуа, Шэньчжэнь.