Южнокорейский техногигант Samsung одним из первых начал использовать искусственный интеллект для создания микросхем. Компания использует для этого новое ПО Synopsys, ведущего производителя программного обеспечения для проектирования чипов, чьи наработки широко применяются в индустрии. Samsung даже создала первый образец реального коммерческого процессора, разработанного при помощи ИИ.
wired.com
Другие техногиганты, в том числе Google и NVIDIA, ранее размышляли о возможности разработки микросхем средствами искусственного интеллекта. Однако инструмент Synopsys под названием DSO.ai выглядит наиболее перспективным, учитывая опыт Synopsys и тот факт, что она работает с десятками чипмейкеров. По мнению отраслевых экспертов, этот инструмент может ускорить разработку чипов и предложить новые идеи в конструкции микросхем.
У Synopsys есть и ещё один ценный актив для создания микросхем средствами ИИ. Речь идёт о многих годах разработки передовых полупроводниковых устройств, которые можно использовать для обучения алгоритмов ИИ.
Представитель Samsung подтвердил, что компания использует программное обеспечение Synopsys с ИИ для разработки фирменных чипсетов Exynos. Тем не менее, компания не прояснила, запущены ли в массовое производство микросхемы, спроектированные с помощью ИИ, и если да, то в каких продуктах они используются.
Есть и ещё один пример. В исследовательском документе Google, опубликованном в июне, описывается использование ИИ для поиска оптимального размещения блоков внутри чипов Tensor. Эти чипы, разработанные совместно с Samsung, дебютируют в смартфонах Pixel 6 в ближайшее время. Правда, представители Google пока отказываются сообщать, помогал ли ИИ в разработке Tensor. Кроме Samsung, разработкой чипов с использованием ИИ занимаются NVIDIA и IBM.
Майк Демлер (Mike Demler), старший аналитик Linley Group, который следит за ПО для создания микросхем, говорит, что искусственный интеллект хорошо справляется с оптимизацией размещения миллиардов транзисторов на кристалле. Он предполагает, что вскоре ИИ станет стандартной частью набора инструментов для разработки чипов. Демлер говорит, что сейчас использование ИИ обходится дорого, потому что для обучения алгоритма требуется много исходных данных. Но он ожидает, что использование ИИ станет более доступным по мере того, как модели машинного обучения станут более эффективными. Но Демлер добавил, что многие процессы, связанные с проектированием микросхем, автоматизировать невозможно, поэтому чипмейкерам по-прежнему необходимы опытные инженеры.
В подходе, используемом Synopsys, Google, NVIDIA и IBM, используется метод машинного обучения, называемый обучением с подкреплением. Он включает в себя обучение алгоритму посредством «вознаграждения» или «наказания», что оказалось эффективным способом улавливания трудно поддающихся формализации человеческих суждений. Этот метод может автоматически составить основу цифрового проекта чипа, включая размещение компонентов и способы их соединения на кремниевом кристалле. Применение алгоритма может ускорить процесс разработки и позволить инженерам более эффективно экспериментировать со схемами.
Полупроводниковые чипы и инструменты, используемые для их проектирования и изготовления, становятся всё более ценными активами. Так, правительство США, стремясь ужесточить санкции против китайского технологического сектора, решила добавить программное обеспечение для разработки чипов в список объектов экспортного контроля.
Подпишись: