础滨驱动的设计应用
人工智能 (AI) 与我们的日常生活息息相关,从消费设备到更广泛的应用领域,例如新药研发、气候变化建模和自动驾驶汽车。
础滨的一大优势是它能够从大量数据中迅速得出可行的方案,这一点也可用于提升芯片设计的效率。
每年一次的EDN “Mind of the Engineer” 研究表明,开发者们在项目工作量、资源限制和紧迫的上市时间方面感到巨大压力。
而础滨可被视为开发者的助手。尽管社会对机器取代人类有一定程度的忧虑,但在芯片设计中使用础滨可以作为一种策略以提升生产力,提高设计性能和能源效率。
芯片设计中础滨的应用近期受到了相当多的关注。
据《福布斯》近期指出:“芯片行业已经发展到由AI协助设计AI芯片的阶段,开发团队必须跟上半导体行业的发展速度”。芯片正变得越来越大,尤其是AI和高性能计算等新兴应用的芯片,以及承载这些应用的超大规模数据中心。Cerebras公司的晶圆级引擎 (WSE) 面积为46,225平方毫米,包含1.2万亿个晶体管和40万个AI优化的内核,是迄今为止面积最大的芯片。而让团队不断扩大规模完成工作量,同时保持业务的持续性,是几乎不可行的。
因此,AI提供了一种通过扩展来满足设计和业务目标的方法。以数字实现为例,这是芯片设计中最复杂的阶段之一。伴随着日趋复杂的硅技术的发展,布局布线 (P&R) 工具取得了十分显著的成果 —— 包括确定逻辑门和IP模块的放置,以及如何合理选择绕线的路径和互连层以完成所有布线连接。然而,布局布线流程的输入信息构成了潜在解决方案的一个巨大搜索空间,涵盖了功能(宏观架构)、形式(微观架构)和拟合(硅技术)。这些数据可能需要数周的实验时间,开发者必须即时做出复杂的决策。
AI在芯片设计中的一个颠覆性应用是设计空间优化 (DSO),这是一种创成式优化模式,它采用强化学习技术自主搜索设计空间,以获得理想的解决方案。通过将AI应用于芯片设计工作流程,DSO有助于选择探索范围的大规模扩展,而大量影响较小的决策通过自动化方式做出。这种方法使得该技术有机会持续以训练数据为基础,并应用学到的知识,加速流片过程,实现功耗、性能和面积 (PPA) 目标。AI的一个关键优势是支持复用:针对一个项目而学到的知识可用于未来的项目,从而提高设计效率。
去年,新思科技推出了首个用于芯片设计的自主AI应用—— DSO.ai。DSO.ai的灵感来自DeepMind的AlphaZero,这个程序掌握了象棋和围棋等游戏的技能,可实现设计空间优化。DSO.ai通过分析设计工具产生的大量数据流而做出优化决策,可以实时学习,并且比工程师团队更快提供更有力的结果。这样,DSO.ai以更少的工程工作即可实现理想的PPA目标,同时使计算资源和许可费用不超出预算。工程师能够专注于更具增值性的芯片设计任务,例如更高良品率的设计空间。从一个项目中学习到的经验能够保留,并且用于未来的项目。
顿厂翱.补颈荣获了2020年全球电子成就奖的“年度创新产物”奖,它提供了:
随着新思科技持续推进顿厂翱.补颈的能力,我们不断增强该解决方案的能力,从而以更快的速度、更少的工作量而达到目标。我们正在利用多种机会将解决方案与其他设计工具集成。