经验啦

  1. 首页 > 科技 > >

芯片设计|使用 AI 改进复杂设计中的 PPA

机器学习设计师芯片设计

芯片设计|使用 AI 改进复杂设计中的 PPA

文章图片

芯片设计|使用 AI 改进复杂设计中的 PPA

芯片设计的目标一直是优化功耗、性能和面积 (PPA) ， 但即使使用最好的工具和经验丰富的工程团队 ， 结果也会有很大差异 。
优化PPA涉及越来越多的权衡 ， 这些权衡可能因应用、IP 和其他组件的可用性以及工程师对不同工具和方法的熟悉程度而异 。 例如 ， 可以使用更大的处理器实现更高的性能 ， 但也可以使用更小、更专业的处理元件以及更紧密的硬件和软件集成来实现 。 因此 ， 即使在相同的区域和相同的功率预算下 ， 也有不同的方法可以实现相同的目标 ， 并且最佳组合可能会因特定领域或供应商的需求而异 。
由于对安全性的需求不断增加 ， 这变得更加复杂 。 根据设计的关键程度 ， 安全性可以是主动的也可以是被动的 ， 这会影响功率和性能 。 它会影响 IC 制造成本、上市时间、交货时间和供应商竞争力 。
为了对所有这些可能的排列进行排序 ， EDA 供应商越来越多地寻求 AI/ML ， 将各种 AI 功能集成到工具流中 。 正如麻省理工学院和德克萨斯大学奥斯汀分校的研究人员在最近的一篇论文中所报告的那样 ， 迄今为止的结果是有希望的 。 研究人员得出的结论是 ， 深度强化学习（深度 RL 算法）工具在某些任务上可以胜过人类 。
在六小时的实验中 ， 研究人员将使用强化学习的图卷积神经网络方法与其他技术进行了匹配 ， 包括传统的黑盒优化方法（贝叶斯优化、进化算法）、随机搜索以及具有五年经验的人类专家设计师 。 经验 。 实验得出结论 ， 带有迁移学习的强化学习可以取得更好的效果 。 换句话说 ， 基于人工智能的工具可以使晶体管尺寸和设计移植更加有效和高效 。 （表四） 。
今天 ， 包括谷歌、英伟达、新思科技、Cadence、三星和西门子在内的许多公司都已经开始或预计在芯片设计中使用人工智能 。
人工智能将如何改变芯片设计格局？
直到最近 ， 人们在电路和逻辑设计、布线、布局、仿真和验证中使用各种自动化设计工具来设计芯片 ， 以最大限度地减少错误 ， 同时减少时间和成本 。 该过程可能非常乏味且耗时 。

半导体设计流程中的各个步骤 。 资料来源：eInfochips
设计芯片有很多步骤 。 该过程从芯片规范或架构定义开始 ， 然后是设计流程中的各个步骤 。 在设计团队签字后 ， 图形设计系统 (GDS II) 文件将发送到代工厂 。
当摩尔定律被用作主要指导时 ， 这个过程得到了微调 。 但随着 finFET 时代微缩的好处开始减弱 ， 芯片制造商开始寻找新的方法来实现 PPA 改进 。 这显着增加了设计复杂性 ， 使得按时按预算交付工作芯片变得更加困难 。
【芯片设计|使用 AI 改进复杂设计中的 PPA】“设计 28nm 芯片的平均成本为 4000 万美元 ， ”国际商业战略 (IBS) 首席执行官汉德尔琼斯说 。 “相比之下 ， 设计一个 7nm 芯片的成本是 2.17 亿美元 ， 设计一个 5nm 器件的成本是 4.16 亿美元 。 3nm 设计将耗资高达 5.9 亿美元 。 ”
此外 ， 虽然每个新节点的晶体管数量已从数千个增加到数十亿个 ， 但这些设计的异构性越来越高 ， 而且它们通常涉及某种形式的先进封装 。 现在 ， 不仅仅是将更多的晶体管塞进同一空间 ， 还有一些问题需要解决 ， 包括功率密度、散热、各种类型的机械和电气应力、邻近效应以及可能影响整体芯片行为的环境问题 。 所有这些都增加了设计过程的时间 ， 进而增加了成本 。 更糟糕的是 ， 芯片制造商在更短的时间内推出先进节点设计的持续压力可能会导致代价高昂的错误 。

相关经验推荐


上一篇：国产手机|中国最长寿的热销手机，从上市以来就热销至今，碾压iPhone12

下一篇：机械键盘|配置拉满的小键盘这么酷！酷冷至尊CK721机械键盘评测！