快訊

殺死中國電影的「龍標」?獨立影展的悲涼無聲

秋高氣爽日夜溫差大 週四變天北台灣轉冷

機器學習實現AI與EDA的完美匹配

圖一 : 近年來,AI晶片製造初創公司的崛起引起了很大的關注,而機器學習在電子設計領域的緩慢滲透仍在持續發生
圖一 : 近年來,AI晶片製造初創公司的崛起引起了很大的關注,而機器學習在電子設計領域的緩慢滲透仍在持續發生

【作者: 王岫晨】

2019年9月(第335期) EDA x AI
2019年9月(第335期) EDA x AI

多年來,分析師和開發人員一直在討論人工智能(AI)和電子設計自動化(EDA)之間的完美匹配。EDA問題具有高維度、不連續性、非線性和高階交互等特性。現在設計人員面臨的問題,在於可以採用哪些更好的方法來應對這種複雜程度,而不是再應用一種過去的經驗,並使用這種經驗來預測類似問題的解決方案。

實際上,人工智能已經開始在EDA領域發揮作用,在過去的幾年裡出現了大幅的進步。但是若就所有AI的成功面來探討,類似機器學習、神經網路和深度學習等的AI應用,在EDA設計中找到一席之地的速度很慢。然而,這樣的狀況正在改變當中。

以機器學習強化CMP建模

目前Mentor Graphics就是透過機器學習和神經網路等方式,來生成準確的後沉積曲線,藉此強化了化學機械拋光建模(CMP)。CMP透過平整晶片層,在晶片製造中起到了關鍵作用。結果取決於被拋光的材料,以及任何給定位置的材料的密度和形狀。

由於現在的許多IC電路設計都是更為緊密且微縮,因此CMP後的平面度變化,將會顯著影響生產過程的成功率。為了減輕任何可能的負面影響,晶片製造商使用CMP建模來檢測潛在的熱點,作為其製造設計流程的一部分。

CMP熱點分析是用於尋找可能經歷CMP後的缺陷設計區域。由於不同材料在CMP製程中表現出不同的腐蝕速率,因此晶圓廠必須在整個晶片上保持恆定的密度平衡,以防止導致金屬互連短路和斷裂的凸起和凹陷生成。

為了獲得最佳的CMP建模精確度,晶片製造商必須能夠產生出高品質的CMP前表面輪廓。如果這些輪廓不準確,則CMP後輪廓的CMP模擬結果將受到損害。為了解決這個問題,Mentor的工程師使用機器學習演算法,來對CMP前表面輪廓中的測量數據進行靈敏度分析。他們發現,輪廓依賴性主要受底層圖案幾何形狀的影響。利用這些資訊,研究人員透過神經網路回歸計算來模擬CMP的前表面輪廓,並使用底層圖案的幾何特徵作為輸入。然後,神經網路將估計CMP前輪廓,並作為CMP建模的輸入,進而提高整個過程的準確性。

建立正確的連接

人工智慧技術在視訊、語音、預測、機器人及診斷等應用中,正逐漸步入佳境。這些新興應用對處理能力提出進階需求,推動運算架構發生天翻地覆的變化,並急劇改變著SoC設計模式。

NetSpeed Systems正在持續將人工智能導入到SoC的設計架構中。針對相關設計問題,NetSpeed Systems推出了以人工智能為基礎的SoC晶片內部互連解決方案Orion AI,這是一款用於輔助晶片架構師將SoC互連設計最佳化的產品。像SoC這樣的異質架構系統,讓設計人員必須面對令人畏懼的高複雜度。為了提出合理的互連策略,設計人員必須考慮大量參數,包括路由約束、連接要求、協議依賴性、時脈特性和過程特性等,如線路延遲、頻寬和延遲約束。這都將使得整體設計架構無限量地擴增。

圖二 : 在過去,AI應用在EDA設計中找到一席之地的速度很慢。然而,這樣的狀況正在改變當中。
圖二 : 在過去,AI應用在EDA設計中找到一席之地的速度很慢。然而,這樣的狀況正在改變當中。

為解決這些問題,NetSpeed採用了需求驅動的設計流程,架構師指定了IP區塊,連接和性能要求以及以系統為中心的用例。然後,Orion AI使用監督學習算法搜索互連設計數據中的模式,以識別有前途的策略,評估每種方法的性能,功耗和功能安全性。然後,算法建議互連實現,允許架構師審查自動生成的結果並相應地微調實現。

這些新的SoC內部架構,顯示出的是一種新的資料流程,一般來說,想實現快速有效的點對點資料交換,就需要大量的計算單元。傳統架構運行的方式是採用中央存儲作為資料交換系統。而人工智慧系統需要任意位置資料交換,這可以透過廣泛的介面而加以實現,並需要支援長突發傳輸。Orion AI的一個關鍵優勢就是能夠支援多重多播的需求,並支持非阻塞傳輸。

圖三 : 新興應用對處理能力提出進階需求,推動運算架構發生天翻地覆的變化,並急劇改變著SoC設計模式。
圖三 : 新興應用對處理能力提出進階需求,推動運算架構發生天翻地覆的變化,並急劇改變著SoC設計模式。

Orion AI由NetSpeed的機器學習引擎提供支援,該引擎使用監督學習來探索和優化SoC設計與架構。這種架構是一種以人工智慧為核心的設計方法,就像有一位隨時上線的師來做出設計上的建議。處理器架構師可以採納AI的建議,然後將時間花在解決SoC設計中的其他難題。Orion AI方案支持多播與廣播等先進特性,能極大化地提升人工智慧SoC與加速器ASIC的性能與效率,可廣泛應用於資料中心、自動駕駛、AR/VR,以及先進視訊分析。Orion AI由NetSpeed的Orion IP建構而成,這些Orion IP已經授權給許多人工智慧公司。

從AI向雲端運算擴展

人工智慧技術的新興應用對處理能力提出進階需求,推動運算架構發生天翻地覆的變化,並急劇改變著SoC設計模式。

近年來,AI晶片製造初創公司的崛起引起了很大的關注,而機器學習在電子設計領域的緩慢滲透仍在持續發生。在現階段,從AI向雲端運算的擴展,或許是EDA產業值得觀察的一個方向。

例如Synopsys近期的整體戰略,就是利用機器學習來加速分析。而Cadence Design Systems也已經將機器學習應用於函式庫。機器學習用於這些任務中,已經成為該技術發展的最好案例,至少在設計的早期階段,透過從先前的運行中學習,透過識別最需要詳細分析的可能熱點,來加速整體設計流程。

此外,由於溫度和過程效應的影響越來越大,函式庫和標准單元的模擬,需要考慮比以往更多的設計角度。它還越來越依賴於統計分析技術。這消耗了大量的機器運作週期,且不斷增加中。

Cadence將機器學習用應用於晶片設計中,透過學習的啟發式方法,來識別重要的設計流程。Cadence這樣的工具可以根據函式庫的一小部分區塊,來識別和預測設計流程中的關鍵部分。

建構啟發式的學習

2017年底,西門子的Mentor事業部收購了Solido Design Automation,它推出了一個函式庫工具,作為機器學習長期開發計劃的一部分。Mentor認為,所有參數的強力模擬結果,會佔用大量的機器資源。而啟發式的演算法可以帶來更快的結果。

EDA和其他想要應用機器學習的部門,主要的關鍵區別在於數據的性質。就EDA來說,並不會嘗試採取一堆歷史數據並從中學習經驗。通常EDA設計會在運行中收集數據,使其在自適應的機器學習循環上運行。訓練數據的生成器通常是模擬器,然而,模擬設計通常不是EDA中唯一適合機器學習的領域。就這點來看,Synopsys一直在密切關注使用機器學習以構建啟發式的學習方法,這將可以幫助加快正式驗證的運行。

結語

從以上的一些廠商發展現況與案例,顯示了AI如何在晶片設計開始的過程中,佔有一席之地。在某些情況下,甚至可以透過AI,將晶片生產力提高十倍。以AI來提升EDA的設計能力不再是問題,只是兩種技術之間的運作關係與定義等,在未來還有一段很長的路要走。

相關新聞

生物感測器開啟穿戴式醫療輔具新紀元

智慧輔助科技包含了設備與服務等, 可協助高齡者與失能者享受有尊嚴的生活。 輔助科技目的在於預防與延緩失能, 並提高照護品質與效率。 而三大發展主軸,包括重視銀髮族科技, 整合穿戴式裝置,並結合數位化的復健器材等。 在未來,輔具科技還將進一步延伸至更廣泛的應用領域。

5G的最終完成式何時會來?

2020年創新與衰退並行, 多了些生命在現實中受迫要面對的生存考驗, 但也因此衍生出更多借助虛擬空間的契機。 XR技術不只將現實作為起點, 向外擴張(X as extended)科技的創造力, 更是引領我們革新對世界認知的伏筆, 結合未知(X as the unknown)與現實, 迎來網路化、虛擬化更透徹洗禮後的蛻變。

開創多元應用 電子紙站穩軟性顯示市場

2020年創新與衰退並行, 多了些生命在現實中受迫要面對的生存考驗, 但也因此衍生出更多借助虛擬空間的契機。 XR技術不只將現實作為起點, 向外擴張(X as extended)科技的創造力, 更是引領我們革新對世界認知的伏筆, 結合未知(X as the unknown)與現實, 迎來網路化、虛擬化更透徹洗禮後的蛻變。

真實與虛擬結合互動 MR當仁不讓

2020年創新與衰退並行, 多了些生命在現實中受迫要面對的生存考驗, 但也因此衍生出更多借助虛擬空間的契機。 XR技術不只將現實作為起點, 向外擴張(X as extended)科技的創造力, 更是引領我們革新對世界認知的伏筆, 結合未知(X as the unknown)與現實, 迎來網路化、虛擬化更透徹洗禮後的蛻變。

顯示仍是VR技術瓶頸 內容與服務左右未來發展

2020年創新與衰退並行, 多了些生命在現實中受迫要面對的生存考驗, 但也因此衍生出更多借助虛擬空間的契機。 XR技術不只將現實作為起點, 向外擴張(X as extended)科技的創造力, 更是引領我們革新對世界認知的伏筆, 結合未知(X as the unknown)與現實, 迎來網路化、虛擬化更透徹洗禮後的蛻變。

智慧聯網應用引動IC設計進入新整合時代

2020年創新與衰退並行, 多了些生命在現實中受迫要面對的生存考驗, 但也因此衍生出更多借助虛擬空間的契機。 XR技術不只將現實作為起點, 向外擴張(X as extended)科技的創造力, 更是引領我們革新對世界認知的伏筆, 結合未知(X as the unknown)與現實, 迎來網路化、虛擬化更透徹洗禮後的蛻變。

高效能運算當道 低功耗設計為虎添翼

導熱大作戰! 說起來簡單,做起來卻不容易。 一方面要透過物理散熱機制, 盡可能把晶片廢熱往外排出; 一方面要透過低功耗電路設計, 讓晶片盡可能減少熱的生成。 在追求更高運算效能的AI年代, 功耗增加會影響散熱成本與電池續航力, 嚴重更將影響使用者經驗。 因此,導熱作戰, 只能成功,不許失敗!

以人為本的智慧空間開發

導熱大作戰! 說起來簡單,做起來卻不容易。 一方面要透過物理散熱機制, 盡可能把晶片廢熱往外排出; 一方面要透過低功耗電路設計, 讓晶片盡可能減少熱的生成。 在追求更高運算效能的AI年代, 功耗增加會影響散熱成本與電池續航力, 嚴重更將影響使用者經驗。 因此,導熱作戰, 只能成功,不許失敗!

5G時代正式啟動 高速傳輸市場熱潮再起

導熱大作戰! 說起來簡單,做起來卻不容易。 一方面要透過物理散熱機制, 盡可能把晶片廢熱往外排出; 一方面要透過低功耗電路設計, 讓晶片盡可能減少熱的生成。 在追求更高運算效能的AI年代, 功耗增加會影響散熱成本與電池續航力, 嚴重更將影響使用者經驗。 因此,導熱作戰, 只能成功,不許失敗!

AIoT引爆數據潮 MCU與MPU需求逐年升高

導熱大作戰! 說起來簡單,做起來卻不容易。 一方面要透過物理散熱機制, 盡可能把晶片廢熱往外排出; 一方面要透過低功耗電路設計, 讓晶片盡可能減少熱的生成。 在追求更高運算效能的AI年代, 功耗增加會影響散熱成本與電池續航力, 嚴重更將影響使用者經驗。 因此,導熱作戰, 只能成功,不許失敗!

數位分身為產業帶來顛覆性改變

顧名思義,數位分身就是把現實世界裡的實體物件, 在數位空間裡模擬出另一個分身。 而這個分身必須要是「Twin」, 也就是兩個一模一樣、虛實互映的物件。 有了數位分身,就可以對實體的物件有更多的控制功能, 包含遠端的操作、系統功能的模擬, 甚至是除錯與驗證,都可以在數位分身上先進行。 這樣的好處就是能降低實體物件的故障率,提升可靠度, 進而降低整體系統運行的成本。

聚焦工業與網通 以生態系統觀點布局市場

顧名思義,數位分身就是把現實世界裡的實體物件, 在數位空間裡模擬出另一個分身。 而這個分身必須要是「Twin」, 也就是兩個一模一樣、虛實互映的物件。 有了數位分身,就可以對實體的物件有更多的控制功能, 包含遠端的操作、系統功能的模擬, 甚至是除錯與驗證,都可以在數位分身上先進行。 這樣的好處就是能降低實體物件的故障率,提升可靠度, 進而降低整體系統運行的成本。

熱門新聞

商品推薦

udn討論區

0 則留言
規範
  • 張貼文章或下標籤,不得有違法或侵害他人權益之言論,違者應自負法律責任。
  • 對於明知不實或過度情緒謾罵之言論,經網友檢舉或本網站發現,聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。
  • 對於無意義、與本文無關、明知不實、謾罵之標籤,聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者,請勿下標籤。
  • 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利,聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。