集成電路 (IC) 設(shè)計(jì)是一項(xiàng)復(fù)雜的工作，不斷突破密度和性能的界限?，F(xiàn)在，人工智能 (AI)在 IC 設(shè)計(jì)中的作用越來越大。

雖然 AI 最近因其在 ChatGPT 等自然語言處理器方面的驚人能力而受到更多關(guān)注，但該工具也被用于 IC 設(shè)計(jì)的各個(gè)階段，包括設(shè)計(jì)優(yōu)化、布局、仿真和驗(yàn)證。人工智能算法還可以幫助更有效地探索設(shè)計(jì)空間，比傳統(tǒng)方法更快地發(fā)現(xiàn)最佳設(shè)計(jì)配置。

隨著設(shè)計(jì)變得比以往任何時(shí)候都更加復(fù)雜，人工智能可以成為 IC 設(shè)計(jì)師的強(qiáng)大資產(chǎn)。

本文重點(diǎn)介紹了AI如何被用作IC設(shè)計(jì)的工具，以及這項(xiàng)技術(shù)如何影響IC設(shè)計(jì)工程師的專業(yè)價(jià)值。

利用 AI 來實(shí)現(xiàn)嚴(yán)格的設(shè)計(jì)約束

由于數(shù)十億個(gè)晶體管被限制在一個(gè)很小的芯片區(qū)域，IC 設(shè)計(jì)師的任務(wù)是在嚴(yán)格約束的情況下優(yōu)化設(shè)計(jì)。 

首先，芯片面積必須最小，以適應(yīng)當(dāng)今設(shè)備的小尺寸，并降低制造成本。布局的功耗也是值得關(guān)注的；功耗同樣會(huì)影響部署成本以及芯片對(duì)環(huán)境的影響。某些密集區(qū)域和配置容易過熱，需要冷卻機(jī)制或更巧妙的布局?？紤]到這些因素和許多其他因素，IC設(shè)計(jì)人員大約需要八到九個(gè)月的時(shí)間來生成一個(gè)滿足每個(gè)嚴(yán)格要求的芯片布局。

為了加快和優(yōu)化 IC 設(shè)計(jì)流程，許多公司（包括科技行業(yè)的一些最大公司）現(xiàn)在都在投資 AI工具來完成一些繁重的工作。

谷歌人工智能在幾個(gè)小時(shí)內(nèi)設(shè)計(jì)出芯片

據(jù)谷歌稱，谷歌的深度學(xué)習(xí)強(qiáng)化學(xué)習(xí) (RL) 方法可以在比人類工程師少得多的時(shí)間內(nèi)生成有效的布局，而且結(jié)果在質(zhì)量上也不相上下。

谷歌表示，谷歌的深度學(xué)習(xí)強(qiáng)化學(xué)習(xí)（RL）方法可以在比人類少得多的時(shí)間內(nèi)產(chǎn)生有效的布局，而且結(jié)果在質(zhì)量上也不相上下。2022年3月，谷歌研究院推出了PRIME，這是一種深度學(xué)習(xí)方法，利用現(xiàn)有的數(shù)據(jù)，如功率和延遲來創(chuàng)建加速器設(shè)計(jì)，比用傳統(tǒng)方法設(shè)計(jì)的芯片更快、更小。

谷歌的PRIME實(shí)現(xiàn)了記錄加速器數(shù)據(jù)來訓(xùn)練設(shè)計(jì)加速器的保守模型。

谷歌研究人員使用 10,000 個(gè)芯片平面圖來訓(xùn)練他們的模型。人工智能生成的芯片設(shè)計(jì)時(shí)間不到六個(gè)小時(shí)。谷歌表示，這種方法已經(jīng)被利用來實(shí)現(xiàn)谷歌的張量處理單元（TPU），這是谷歌基于云的機(jī)器學(xué)習(xí)應(yīng)用的一部分。

EDA公司在AI設(shè)計(jì)系統(tǒng)上加倍投入

不僅僅是谷歌轉(zhuǎn)向機(jī)器學(xué)習(xí)模型。像Synopsys和Cadence這樣的EDA公司也在其最新工具中使用到AI技術(shù)。比如最近，Synopsys憑借其 Synopsys DSO.ai 自主芯片設(shè)計(jì)系統(tǒng)注冊(cè)了 100 個(gè)商業(yè)流片。該系統(tǒng)最近的客戶包括 意法半導(dǎo)體（ST)和 SK Hynix。

ST 和 Synopsys 于 2022 年 2 月初首次在微軟的云端使用 DSO.ai 來設(shè)計(jì)工作芯片。使用 Synopsys 的 DSO.ai 設(shè)計(jì)系統(tǒng)，結(jié)合 Microsoft Azure 上的 Synopsys Fusion Compiler 和 IC Compiler，該工具將功耗、性能和面積 (PPA) 指標(biāo)提高了 3 倍以上，總功耗降低了 25%，并且顯著縮小了芯片尺寸。

除了芯片設(shè)計(jì)，人工智能還在芯片測試和驗(yàn)證中找到了應(yīng)用——芯片制造商在這兩個(gè)領(lǐng)域花費(fèi)了大量時(shí)間。為了解決這一設(shè)計(jì)階段的問題，西門子發(fā)布了Questa Verification IQ，這是一個(gè)幫助IC設(shè)計(jì)工程師加快驗(yàn)證過程的軟件平臺(tái)。

英偉達(dá)用GPU設(shè)計(jì)GPU

NVIDIA（英偉達(dá)）為芯片設(shè)計(jì)設(shè)計(jì)了另一種深度學(xué)習(xí)方法。該公司制作了一個(gè)名為PrefixRL的 RL 模型，證明 AI 可以從頭開始學(xué)習(xí)電路設(shè)計(jì)，并使用最新的 EDA 工具制造更小、更快的電路。NVIDIA 的架構(gòu)由 13,000 個(gè)使用 AI 技術(shù)設(shè)計(jì)的電路組成。

針對(duì)自動(dòng)化單元遷移，該公司開發(fā)了NVCell，可以無錯(cuò)遷移92%的單元庫。人類工程師可以對(duì)剩下的 8% 沒有自動(dòng)遷移的單元進(jìn)行處理。NVIDIA 首席科學(xué)家 Bill Dally 表示：

“所以這就像一個(gè) Atari 視頻游戲，但它是一個(gè)用于修復(fù)標(biāo)準(zhǔn)單元中的設(shè)計(jì)規(guī)則錯(cuò)誤的視頻游戲。通過強(qiáng)化學(xué)習(xí)來研究和修復(fù)這些設(shè)計(jì)規(guī)則錯(cuò)誤，我們能夠基本完成我們標(biāo)準(zhǔn)的設(shè)計(jì)單元。”

人工智能對(duì) IC 設(shè)計(jì)就業(yè)市場的影響

雖然人工智能可以自動(dòng)執(zhí)行傳統(tǒng)上由IC設(shè)計(jì)人員執(zhí)行的某些任務(wù)，例如布局設(shè)計(jì)和優(yōu)化，但它也減少了設(shè)計(jì)過程中對(duì)手動(dòng)方面的需求。雖然這提高了整體效率，但也可能導(dǎo)致IC設(shè)計(jì)的某些領(lǐng)域的最終工作被取代。

另一方面，人工智能還可以幫助 IC 設(shè)計(jì)人員更高效、更有效地開展工作。例如，AI 可以分析大量數(shù)據(jù)并提供見解，建議工程師以前可能沒有考慮過的設(shè)計(jì)替代方案。這種趨勢可以提高 IC 設(shè)計(jì)人員在行業(yè)中的價(jià)值，使他們能夠?qū)Ｗ⒂诟鼜?fù)雜和更具創(chuàng)造性的設(shè)計(jì)方面，并最終生產(chǎn)出更好的產(chǎn)品。

不過人工智能不太可能完全取代對(duì)熟練IC設(shè)計(jì)師的需求。隨著人工智能在行業(yè)中越來越普遍，對(duì)這類工程師的需求甚至可能會(huì)增加，因?yàn)樵谠O(shè)計(jì)過程中，將需要能夠準(zhǔn)確驗(yàn)證和利用人工智能工具和算法的個(gè)人。

原文鏈接：https://www.allaboutcircuits.com/news/ai-takes-strong-supporting-role-in-modern-chip-design/

更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<