Se avecina el fin de la Ley de Moore. Los ingenieros y diseñadores sólo pueden hacer mucho para miniaturizar los transistores y empaquetar tantos como sea posible en chips. Por eso están recurriendo a otros enfoques para el diseño de chips, incorporando tecnologías como la IA en el proceso. Samsung, por ejemplo, está añadiendo IA a sus chips de memoria para permitir el procesamiento en la memoria, ahorrando así energía y acelerando el aprendizaje automático. Hablando de velocidad, el chip TPU V4 AI de Google ha duplicado su poder de procesamiento en comparación con el de su versión anterior. Pero la IA encierra aún más promesa y potencial para la industria de los semiconductores. Para comprender mejor cómo la IA revolucionará el diseño de chips, hablamos con Heather Gorr, gerente senior de productos de la plataforma MATLAB de MathWorks. ¿Cómo se utiliza actualmente la IA para diseñar la próxima generación de chips? Heather Gorr: La IA es una tecnología tan importante porque está involucrado en la mayor parte del ciclo, incluido el proceso de diseño y fabricación. Aquí hay muchas aplicaciones importantes, incluso en la ingeniería de procesos general donde queremos optimizar las cosas. Creo que la detección de defectos es importante en todas las fases del proceso, especialmente en la fabricación. Pero incluso pensando en el futuro en el proceso de diseño, [AI now plays a significant role] cuando estás diseñando la luz y los sensores y todos los diferentes componentes. Hay mucha detección de anomalías y mitigación de fallas que realmente desea considerar. Heather GorrMathWorks Luego, pensando en el modelado logístico que se ve en cualquier industria, siempre hay un tiempo de inactividad planificado que desea mitigar; pero también terminas teniendo un tiempo de inactividad no planificado. Entonces, mirando hacia atrás en los datos históricos de cuando ha tenido esos momentos en los que tal vez tomó un poco más de tiempo de lo esperado fabricar algo, puede echar un vistazo a todos esos datos y usar IA para tratar de identificar la causa próxima o para ver algo que pueda destacar incluso en las fases de procesamiento y diseño. A menudo pensamos en la IA como una herramienta predictiva o como un robot que hace algo, pero muchas veces se obtiene mucha información de los datos a través de la IA. ¿Cuáles son los beneficios de usar la IA para el diseño de chips? Gorr: Históricamente, He visto muchos modelos basados en la física, que es un proceso muy intensivo. Queremos hacer un modelo de orden reducido, donde en lugar de resolver un modelo tan extenso y costoso desde el punto de vista computacional, podamos hacer algo un poco más barato. Se podría crear un modelo sustituto, por así decirlo, de ese modelo basado en la física, utilizar los datos y luego realizar los barridos de parámetros, las optimizaciones y las simulaciones de Monte Carlo utilizando el modelo sustituto. Esto requiere mucho menos tiempo computacional que resolver directamente las ecuaciones basadas en la física. Entonces, estamos viendo ese beneficio de muchas maneras, incluida la eficiencia y la economía que son los resultados de iterar rápidamente los experimentos y las simulaciones que realmente ayudarán en el diseño. Entonces, ¿es como tener un gemelo digital en cierto sentido? Gorr : Exactamente. Eso es más o menos lo que la gente está haciendo, donde tienes el modelo del sistema físico y los datos experimentales. Luego, en conjunto, tienes este otro modelo que puedes modificar y ajustar y probar diferentes parámetros y experimentos que te permitan analizar todas esas situaciones diferentes y llegar a un mejor diseño al final. Por lo tanto, será más eficiente. y, como dijiste, ¿más barato? Gorr: Sí, definitivamente. Especialmente en las fases de experimentación y diseño, donde intentas cosas diferentes. Obviamente, esto generará importantes ahorros de costos si realmente estás fabricando y produciendo. [the chips]. Quiere simular, probar y experimentar tanto como sea posible sin crear algo utilizando la ingeniería de procesos real. Hemos hablado de los beneficios. ¿Qué hay de los inconvenientes? Gorr: El [AI-based experimental models] tienden a no ser tan precisos como los modelos basados en la física. Por supuesto, es por eso que se hacen muchas simulaciones y barridos de parámetros. Pero ese también es el beneficio de tener ese gemelo digital, donde puedes tenerlo en cuenta: no será tan preciso como ese modelo preciso que hemos desarrollado a lo largo de los años. Tanto el diseño como la fabricación del chip requieren un uso intensivo del sistema; Tienes que considerar cada pequeña parte. Y eso puede ser realmente un desafío. Es un caso en el que es posible que tengas modelos para predecir algo y diferentes partes de ello, pero aun así necesitas unirlo todo. Una de las otras cosas en las que pensar también es que necesitas los datos para construir los modelos. Tienes que incorporar datos de todo tipo de sensores diferentes y diferentes tipos de equipos, y eso aumenta el desafío. ¿Cómo pueden los ingenieros usar la IA para preparar y extraer mejor información de los datos del hardware o de los sensores? Gorr: Siempre pensamos en usar la IA para predecir algo o realizar alguna tarea de robot, pero puedes usar la IA para crear patrones y seleccionar cosas que quizás no hayas notado antes por tu cuenta. Las personas usarán IA cuando tengan datos de alta frecuencia provenientes de muchos sensores diferentes, y muchas veces es útil explorar el dominio de la frecuencia y cosas como la sincronización o el remuestreo de datos. Esto puede ser un verdadero desafío si no está seguro de por dónde empezar. Una de las cosas que yo diría es que utilice las herramientas disponibles. Hay una gran comunidad de personas trabajando en estas cosas y puedes encontrar muchos ejemplos. [of applications and techniques] en GitHub o MATLAB Central, donde las personas han compartido buenos ejemplos, incluso pequeñas aplicaciones que han creado. Creo que muchos de nosotros estamos sumergidos en datos y simplemente no estamos seguros de qué hacer con ellos, así que definitivamente aproveche lo que ya existe en la comunidad. Puede explorar y ver qué tiene sentido para usted, y aportar ese equilibrio entre el conocimiento del dominio y la información que obtiene de las herramientas y la IA. ¿Qué deberían considerar los ingenieros y diseñadores al utilizar la IA para el diseño de chips? Gorr: Piense en los problemas que enfrenta. estás tratando de resolver o qué ideas esperas encontrar, y trata de ser claro al respecto. Considere todos los diferentes componentes, documente y pruebe cada una de esas partes diferentes. Considere a todas las personas involucradas, explique y transmítalas de una manera que sea sensata para todo el equipo. ¿Cómo cree que la IA afectará los trabajos de los diseñadores de chips? Gorr: Liberará una gran cantidad de capital humano para personal más avanzado. tareas. Podemos usar la IA para reducir el desperdicio, optimizar los materiales, optimizar el diseño, pero aún así tienes a ese ser humano involucrado cuando se trata de la toma de decisiones. Creo que es un gran ejemplo de personas y tecnología trabajando de la mano. También es una industria en la que todas las personas involucradas, incluso en la planta de fabricación, necesitan tener cierto nivel de comprensión de lo que está sucediendo, por lo que esta es una gran industria para hacer avanzar la IA debido a cómo probamos las cosas y cómo pensamos sobre ellas antes de ponerlas a prueba. ¿Cómo imagina el futuro de la IA y el diseño de chips? Gorr: Depende en gran medida de ese elemento humano: involucrar a las personas en el proceso y tener ese modelo interpretable. Podemos hacer muchas cosas con las minucias matemáticas del modelado, pero todo se reduce a cómo lo usan las personas, cómo todos en el proceso lo entienden y aplican. La comunicación y la participación de personas de todos los niveles en el proceso serán realmente importantes. Veremos menos de esas predicciones superprecisas y más transparencia en la información, el intercambio y ese gemelo digital, no solo usando IA sino también nuestro conocimiento humano y todo el trabajo que muchas personas han hecho a lo largo de los años. Artículos del sitioArtículos relacionados en la Web
Source link
