芯片设计|使用 AI 改进复杂设计中的 PPA( 二 ) 设计师|机器学习

通过 AI 提高效率
将 AI添加到芯片设计中有助于管理复杂性、减少错误并缩短开发周期。例如，在芯片设计中使用传统工具进行布线可以自动化 90% 的工作。仍然需要一位经验丰富的设计师来完成最后 10% 的工作，最终可能会比 PPA 优化更关注将功能芯片推出市场。人工智能可以减少花在最后 10% 上的时间。

人工智能的作用越来越大。资料来源：寒武纪人工智能研究
“一切都与效率有关， ” Rambus的研究员和杰出发明家 Steven Woo 说。 “本质上，人类设计师使用工具来实现优化。但人工智能可以在更少的周期内使其更快。可以为 AI 引擎提供预设规则以实现更好的推理。应用强化学习规则，基于人工智能的设计工具会越来越好。它将帮助设计人员随着时间的推移实现几乎无错误的解决方案，优化 PPA 的效率比人类单独可以达到的效果更好。此外，由于速度就是一切，因此考虑芯片到芯片的内存速度也很重要，因为 AI 需要快速访问大型数据库。 ”
其他人同意。 “人工智能将进一步自动化芯片设计，尤其是在布局过程中。已经证明，在模拟电路设计中使用机器学习已经提高了生产力。在布局上，机器学习将用于建议 finFET 节点中的最佳器件布局，以最大限度地减少互连寄生效应。当芯片设计涉及加速度计和陀螺仪等 MEMS 时。人工智能可用于参数化设计流程，以共同设计 IC 和 MEMS 器件。与使用传统设计流程相比，这将使设计人员能够更快地集成 MEMS、IC 和软件，从而使设计人员的工作更加轻松， ”Siemens Digital Industries Software的 IC 设计部门产品工程总监 John Stabenow 评论道。
人工智能如何学习
人工智能机器可以在很短的时间内在模式识别和匹配方面做得比人类好得多。 AI 不会从零开始学习。在大多数情况下， AI 代理（处理器）将被预先训练或输入大量数据，例如 15000 个平面规划样本。至此，人工智能算法已经包含了一些智能。
此外，人工智能将利用强化学习 (RL) 来优化结果。 RL 是一种机器学习技术，可帮助代理根据自身经验通过反复试验在其交互环境中进行学习。该过程使用奖励和惩罚模型。 AI 模型将从初始状态（输入）开始，并提供某些结果（输出）。
然后设计师将奖励或惩罚模型。该模型将根据获得的最大奖励不断学习并提供最佳结果。当工程师接受 AI 模型的建议时， AI 模型会将其视为奖励。相反，当工程师因为认为有更好的解决方案而拒绝或否决了 AI 建议时， AI 模型会将其视为一种惩罚。 RL 学习过程继续进行。随着时间的推移，人工智能模型变得越来越好。
“机器学习是 AI 的一个子集，指的是机器在无需外部编程的情况下进行思考的能力， ”Siemens Digital Industries Software 高级副总裁兼总经理 Ravi Subramanian 说。 “传统的设备被编成了一套关于如何行动的规则，然后采取 if-then-else 语句的形式。但机器学习使设备能够不断思考如何根据它们接收的数据采取行动。 ”
Subramanian 说，要让 AI 学习，需要三件事：