Q&A: AI がチップ設計をどのように変えるか

ムーアの法則の終わりが近づいています。エンジニアや設計者ができることは、トランジスタを小型化し、できるだけ多くのトランジスタをチップ上に実装することだけです。そこで彼らは、チップ設計への別のアプローチに目を向け、AIなどのテクノロジーをプロセスに導入しようとしている。

たとえば、Samsung は自社のメモリ チップに AI を追加してメモリ内処理を可能にし、それによって電力を節約し、機械学習を高速化しています。速度に関して言えば、Google の TPU V4 AI チップは、以前のバージョンと比較して処理能力が 2 倍になっています。

しかし、AI は半導体業界にとってさらに大きな期待と可能性を秘めています。 AI がチップ設計にどのような変革をもたらすかをより深く理解するために、MathWorks の MATLAB プラットフォームのシニア プロダクト マネージャーである Heather Gorr 氏に話を聞きました。

AI は現在、次世代チップの設計にどのように使用されていますか?

ヘザー・ゴー: AI は設計や製造プロセスを含むサイクルのほとんどの部分に関与しているため、非常に重要なテクノロジーです。ここには、物事を最適化したい一般的なプロセスエンジニアリングなど、多くの重要な用途があります。私は、欠陥検出はプロセスのすべての段階、特に製造において重要であると考えています。しかし、デザインプロセスについてはまだ考え中ですが、 [AI now plays a significant role] ライトやセンサー、その他すべてのさまざまなコンポーネントを設計するとき。本当に考慮すべき異常検出と障害軽減がたくさんあります。

ヘザー・ゴーマスワークス

次に、どの業界でも見られる物流モデリングについて考えると、軽減したい計画的なダウンタイムが常に存在します。しかし、計画外のダウンタイムが発生することにもなります。したがって、何かの製造に予想よりも少し時間がかかったかもしれない瞬間の履歴データを振り返ると、そのすべてのデータを調べて、AI を使用して、直接の原因を特定したり、処理や設計の段階でさえもジャンプした可能性があるものを特定したりすることができます。私たちは AI を予測ツールや何かを行うロボットと考えがちですが、AI を通じてデータから多くの洞察を得ることができます。

チップ設計に AI を使用する利点は何ですか?

キャップ： 歴史的に、私たちは物理ベースのモデルを数多く見てきましたが、これは非常に集中的なプロセスです。私たちは、計算コストが高く大規模なモデルを解決する代わりに、もう少し安価に何かを実行できる、次数を減らしたモデルを実行したいと考えています。物理ベースのモデルのいわばサロゲート モデルを作成し、そのデータを使用して、そのサロゲート モデルを使用してパラメータ スイープ、最適化、モンテカルロ シミュレーションを実行できます。物理ベースの方程式を直接解くよりも、計算にかかる時間がはるかに短くなります。そのため、設計に実際に役立つ実験とシミュレーションの迅速な反復の結果である効率と経済性を含め、さまざまな面でその利点が得られていることがわかります。

ある意味、デジタルツインを持つようなものでしょうか?

キャップ： まさにそれは、システムの物理モデルと実験データがあれば、人々が行っていることとほとんど同じです。そして、集合的に、微調整して微調整し、さまざまなパラメーターや実験を試すことができる別のモデルができあがり、さまざまな状況をすべて経験して、最終的により良い設計を思いつくことができます。

それでは、より効率的で、先ほどもおっしゃったように、より安価になるのでしょうか？

キャップ： はい、確かに。特に実験や設計の段階では、さまざまなことを試します。実際に製造や生産を行っている場合、これは明らかにコストの大幅な削減につながります。 [the chips]。実際のプロセスエンジニアリングを使用して何かを行うことなく、できるだけ多くのシミュレーション、テスト、経験をしたいと考えています。

メリットについてお話しました。欠点についてはどうでしょうか？

キャップ： ○ [AI-based experimental models] 物理ベースのモデルほど正確ではない傾向があります。もちろん、それが多くのシミュレーションとパラメーター スイープを実行する理由です。しかし、それはデジタル ツインを持つことの利点でもあり、心に留めておくことができます。それは、私たちが何年もかけて開発した正確なモデルほど正確ではないということです。

チップの設計と製造はどちらもシステム集約的です。あらゆる小さな部分を考慮する必要があります。そしてそれは本当に難しいことかもしれません。これは、何かとそのさまざまな部分を予測するためのモデルはあるものの、それでもすべてをまとめなければならない場合です。

同様に考慮すべきことの 1 つは、モデルを構築するためにデータが必要であるということです。あらゆる種類のさまざまなセンサーやさまざまな種類の機器からのデータを組み込む必要があり、それが課題をさらに高めます。

エンジニアは AI をどのように使用して、ハードウェアまたはセンサー データから情報を適切に準備し、抽出できるでしょうか?

キャップ： 私たちは常に AI を使用して何かを予測したり、ロボットのタスクを実行したりすることを考えていますが、AI を使用してパターンを作成し、これまで自分では気づかなかったものを見つけ出すこともできます。さまざまなセンサーからの高周波データがある場合、人々は AI を使用することになります。これは、周波数領域や、同期やデータのリサンプリングなどの調査に役立つことがよくあります。どこから始めればよいかわからない場合、これらは非常に困難になる可能性があります。

私が言えることの 1 つは、利用可能なツールを使用することです。これらのことに取り組んでいる人々の大規模なコミュニティがあり、多くの例を見つけることができます。 [of applications and techniques] GitHub や MATLAB Central では、人々が自分で構築した小さなアプリであっても、良い例を共有しています。私たちの多くはデータに埋もれていて、それをどう扱えばよいかわからないと思います。そのため、コミュニティにすでに存在するものをぜひ活用してください。自分にとって何が理にかなっているのかを探って確認し、ドメイン知識とツールや AI から得られる洞察との間でバランスを取ることができます。

エンジニアとデザイナーは何を考慮すべきかチップ設計に AI を使用しますか?

キャップ： どのような問題を解決しようとしているのか、またはどのようなアイデアが見つかると期待できるのかを考え、それを明確にするように努めてください。さまざまなコンポーネントをすべて検討し、これらの各部分を文書化してテストします。関係者全員のことを考慮し、賢明に説明し、チーム全体に紹介してください。

AI はチップ設計者の仕事にどのような影響を与えると思いますか?

キャップ： これにより、より高度なタスクに多くの人的資本が解放されます。人工知能を使用して無駄を削減し、材料を最適化し、デザインを最適化することはできますが、意思決定に関しては依然として人間が関与する必要があります。これは人とテクノロジーが連携している素晴らしい例だと思います。また、製造現場であっても、関係者全員が何が起こっているのかをある程度理解する必要がある業界でもあるため、チップに実装する前に物事をテストし、どのように考えるかという点で、この業界は AI を進歩させるのに最適な業界です。

AI とチップ設計の将来についてはどう思いますか?

帽子: プロセスに人々を関与させ、解釈可能なモデルを用意するなど、人的要素に多くのことが依存します。モデリングの数学的細部を使って多くのことができますが、それは人々がそれをどのように使用するか、誰もがそれをどのように理解し、適用するかによって異なります。コミュニケーションと、あらゆるスキルレベルの人々がプロセスに参加することが非常に重要になります。 AI だけでなく人間の知識や多くの人々が長年にわたって行ってきたすべての作業を使用して、これらの超正確な予測が減り、情報の透明性、共有、デジタル ツインがさらに強化されることになります。