Comment l’IA changera la conception des puces

La fin de La loi de Moore est imminent. Les ingénieurs et les concepteurs ne peuvent faire que beaucoup pour miniaturiser les transistors et Emballez autant que possible dans des puces. Alors ils se tournent vers d’autres approches pour conception de pucesincorporant des technologies comme l’IA dans le processus.

Samsung, par exemple, est Ajout de l’IA à ses puces de mémoire pour permettre traitement en mémoireéconomisant ainsi l’énergie et accélérer apprentissage automatique. En parlant de vitesse, la puce TPU V4 TPU de Google a a doublé sa puissance de traitement par rapport à celui de sa version précédente.

Mais l’IA est encore plus prometteuse et potentiel pour le industrie des semi-conducteurs. Pour mieux comprendre comment l’IA est définie pour révolutionner la conception des puces, nous avons parlé avec Heather Gorrchef de produit principal pour Mathématiques‘ Matlab plate-forme.

Comment l’IA est-elle actuellement utilisée pour concevoir la prochaine génération de puces?

Heather Gorr: L’IA est une technologie si importante car elle est impliquée dans la plupart des parties du cycle, y compris le processus de conception et de fabrication. Il y a beaucoup d’applications importantes ici, même dans l’ingénierie des processus généraux où nous voulons optimiser les choses. Je pense que la détection des défauts est grande à toutes les phases du processus, en particulier dans la fabrication. Mais même en pensant à l’avance dans le processus de conception (l’IA joue désormais un rôle important) lorsque vous concevez la lumière et les capteurs et tous les différents composants. Il y a beaucoup de détection d’anomalies et d’atténuation des défauts que vous voulez vraiment considérer.

Heather GorrMathématiques

Ensuite, en pensant à la modélisation logistique que vous voyez dans n’importe quelle industrie, il y a toujours des temps d’arrêt planifiés que vous souhaitez atténuer; Mais vous finissez également par avoir des temps d’arrêt imprévus. Donc, en regardant en arrière sur ces données historiques du moment où vous avez eu ces moments où cela a peut-être pris un peu plus que prévu pour fabriquer quelque chose, vous pouvez jeter un œil à toutes ces données et utiliser l’IA pour essayer d’identifier la cause immédiate ou de voir quelque chose qui pourrait sauter même dans les phases de traitement et de conception. Nous pensons souvent que l’IA comme un outil prédictif, ou comme un robot faisant quelque chose, mais souvent, vous obtenez beaucoup d’informations sur les données via l’IA.

Quels sont les avantages de l’utilisation de l’IA pour la conception des puces?

Gorr: Historiquement, nous avons vu beaucoup de modélisation basée sur la physique, ce qui est un processus très intensif. Nous voulons faire un modèle de commande réduitoù au lieu de résoudre un modèle aussi coûteux et étendu aussi cher, nous pouvons faire quelque chose d’un peu moins cher. Vous pouvez créer un modèle de substitution, pour ainsi dire, de ce modèle basé sur la physique, utiliser les données, puis faire votre balayages des paramètresvos optimisations, votre Simulations de Monte Carlo en utilisant le modèle de substitution. Cela prend beaucoup moins de temps sur le calcul que la résolution directement des équations basées sur la physique. Donc, nous constatons cet avantage à bien des égards, y compris l’efficacité et l’économie qui sont les résultats de l’itération rapidement sur les expériences et les simulations qui aideront vraiment dans la conception.

C’est donc comme avoir un jumeau numérique dans un sens?

Gorr: Exactement. C’est à peu près ce que les gens font, où vous avez le modèle du système physique et les données expérimentales. Ensuite, en conjonction, vous avez cet autre modèle que vous pouvez modifier et régler et essayer différents paramètres et expériences qui permettent de balayer toutes ces différentes situations et de trouver un meilleur design à la fin.

Donc, ça va être plus efficace et, comme vous l’avez dit, moins cher?

Gorr: Ouais, définitivement. Surtout dans les phases d’expérimentation et de conception, où vous essayez différentes choses. Cela va évidemment produire des économies de coûts spectaculaires si vous fabriquez et productrice (les puces). Vous souhaitez simuler, tester, expérimenter autant que possible sans faire quelque chose en utilisant l’ingénierie du processus réelle.

Nous avons parlé des avantages. Et les inconvénients?

Gorr: Les (modèles expérimentaux basés sur l’IA) ont tendance à ne pas être aussi précis que les modèles basés sur la physique. Bien sûr, c’est pourquoi vous faites de nombreuses simulations et balayages de paramètres. Mais c’est aussi l’avantage d’avoir ce jumeau numérique, où vous pouvez garder cela à l’esprit – il ne sera pas aussi précis que ce modèle précis que nous avons développé au fil des ans.

La conception et la fabrication des puces sont à forte intensité de système; Vous devez considérer chaque petite partie. Et cela peut être vraiment difficile. C’est un cas où vous pourriez avoir des modèles pour prédire quelque chose et différentes parties, mais vous devez toujours tout rassembler.

L’une des autres choses à penser est également que vous avez besoin des données pour construire les modèles. Vous devez incorporer des données de toutes sortes de capteurs différents et différents types d’équipes, et cela augmente le défi.

Comment les ingénieurs peuvent-ils utiliser l’IA pour mieux préparer et extraire des informations à partir de données matérielles ou de capteurs?

Gorr: Nous pensons toujours à utiliser l’IA pour prédire quelque chose ou faire une tâche de robot, mais vous pouvez utiliser l’IA pour trouver des modèles et choisir des choses que vous n’auriez peut-être pas remarquées par vous-même. Les gens utiliseront l’IA lorsqu’ils ont des données à haute fréquence provenant de nombreux capteurs différents, et souvent il est utile d’explorer le domaine de fréquence et des choses comme la synchronisation ou le rééchantillonnage des données. Celles-ci peuvent être vraiment difficiles si vous ne savez pas par où commencer.

L’une des choses que je dirais est d’utiliser les outils disponibles. Il existe une vaste communauté de personnes travaillant sur ces choses, et vous pouvez trouver de nombreux exemples (d’applications et de techniques) Github ou Matlab Centraloù les gens ont partagé de beaux exemples, même les petites applications qu’ils ont créées. Je pense que beaucoup d’entre nous sont enterrés dans des données et ne savent tout simplement pas quoi en faire, alors profitez certainement de ce qui existe déjà dans la communauté. Vous pouvez explorer et voir ce qui vous est logique, et apporter cet équilibre des connaissances du domaine et les informations que vous obtenez des outils et de l’IA.

Que devraient considérer les ingénieurs et les concepteursen utilisant l’IA pour la conception des puces?

Gorr: Réfléchissez aux problèmes que vous essayez de résoudre ou aux idées que vous pourriez espérer trouver et essayer d’être claire à ce sujet. Considérez tous les différents composants et documentez et testez chacune de ces différentes parties. Considérez toutes les personnes impliquées et expliquez et transmettez une manière sensée pour toute l’équipe.

Comment pensez-vous que l’IA affectera les emplois des concepteurs de puces?

Gorr: Cela va libérer beaucoup de capital humain pour des tâches plus avancées. Nous pouvons utiliser l’IA pour réduire les déchets, pour optimiser les matériaux, pour optimiser la conception, mais vous avez toujours cet humain impliqué chaque fois qu’il s’agit de prise de décision. Je pense que c’est un excellent exemple de personnes et de technologies qui travaillent main dans la main. C’est aussi une industrie où toutes les personnes impliquées – même sur le plancher de fabrication – ont besoin d’avoir un certain niveau de compréhension de ce qui se passe, c’est donc une excellente industrie pour faire progresser l’IA en raison de la façon dont nous testons les choses et de la façon dont nous y pensons avant de les mettre sur la puce.

Comment envisagez-vous l’avenir de la conception de l’IA et des puces?

Cornemuse: Cela dépend vraiment de cet élément humain – influençant les personnes dans le processus et ayant ce modèle interprétable. Nous pouvons faire beaucoup de choses avec les minuties mathématiques de la modélisation, mais cela revient à la façon dont les gens l’utilisent, comment tout le monde dans le processus est de comprendre et de l’appliquer. La communication et l’implication de personnes de tous niveaux dans le processus seront vraiment importantes. Nous allons voir moins de ces prédictions superprécises et plus de transparence de l’information, du partage et de ce jumeau numérique – pas seulement en utilisant l’IA mais aussi en utilisant nos connaissances humaines et tout le travail que beaucoup de gens ont fait au fil des ans.