|
引言
# N' I* e' y% ?: G7 P J( F2 c3 Q人工智能(AI)正在深刻改变半导体行业,特别是在芯片设计过程中。本文探讨AI如何重塑芯片设计的各个方面,包括分析、优化和设计辅助,帮助逍遥设计自动化的读者了解不同的AI技术及其在提高设计性能和生产力方面的应用[1]。: Q, `* \' S- N5 y5 o' C, W$ U6 F, R8 u
5 g4 V2 {+ @) }人工智能在芯片设计中的应用简介
# E: x! N7 P4 u$ n& `AI正在芯片设计行业掀起波澜,提升设计过程的多个阶段。AI主要影响以下关键领域:分析:AI实现更快速、预测性和跨阶段的芯片设计分析。优化:AI驱动的优化技术带来更快速、更可扩展和更优质的结果。辅助:AI为芯片设计师提供专业知识、编码支持和任务自动化。
3 x+ N5 w. k& j1 D: o8 X$ F[/ol]* Z$ t8 Y7 c3 x- d0 K
* B: H w8 ?) a u
jpbslta3zsx64034872153.png
* t2 m/ u* n9 D
图1:此图展示了AI在芯片设计中影响的主要领域:分析、优化和辅助。
" k3 v$ Q8 l$ e+ J3 `" ]# g1 Z, |6 h: L& @
芯片设计中的AI技术
/ W. R" \- G% l( N' G5 T多种AI技术被应用于芯片设计,每种技术适用于设计过程的不同方面:经典机器学习(ML):适用于小型结构化数据,线性回归、支持向量机和决策树等技术用于初步分析。深度学习:卷积神经网络(CNN)适合物理设计数据,而图神经网络(GNN)适合线路网表数据。贝叶斯优化:此技术用于构建目标函数的概率模型,并选择最有希望的数据点进行采样。强化学习(RL):RL代理通过与环境交互并获得改进奖励来学习优化设计。生成式AI:这些模型,包括变分自编码器(VAE)和Transformer,用于生成最佳设计点和学习优化表示。大型语言模型(LLM):LLM用途广泛,可应用于问答、编码、提取、重写、分类、总结和推理等多种任务。+ a2 |. \- f. y" m) Z9 L0 e
[/ol]
1 |0 C a) K [0 x7 H! X& }1 t3 ^% x( D* R& P5 W! I" o
4sr5e0bj4ie64034872253.png
6 ~4 B( I3 h# _# @- M图2:NVIDIA芯片设计中使用的不同AI技术,包括经典ML、深度学习和各种优化方法。
6 X/ ]/ |- H$ `/ J2 ?2 l
6 u7 G: |6 Y% ?: HAI在芯片设计中的应用
9 [7 t- y/ R7 n* {8 s3 a0 `让我们探讨AI在芯片设计中的一些具体应用:
6 t+ ?2 Z& l1 O: u9 H# u' T" Z1. IR压降估算( u* n G* Q n6 G) q
IR压降估算对物理设计非常重要,但传统方法需要数小时。基于AI的方法可以从单元级特征预测IR压降,在3秒内实现94%的准确率,而商业工具需要3小时。/ e$ j8 h! M* T6 {
8 S. n. u) d0 c# [4 M1 N) b
e5v2xs41gb564034872353.png
. R2 }2 o. u2 l- C: O, ^
图3:使用AI进行IR压降估算的过程,显示了功率图和系数图。
% y: x9 ^# R, M! G& U6 R& O, ` c. x0 ^5 J3 D! U
2. 寄生参数预测
; H; H" `' {. P* zAI用于从原理图预测布局寄生参数。通过将原理图转换为图形并使用图神经网络(GNN),设计师可以高精度估算寄生参数,将仿真误差降低到10%以下。. _, @% {4 I) F: v- w, N5 Y6 r
6 }( N5 \' q& S; v. Q1 k* l
0epcpw5unck64034872453.png
. _6 Y) J6 x$ f: Q& ]
图4:此图说明了将线路原理图转换为异构图以进行寄生参数预测的过程。
9 k: t: d. x% ?( ~* r
. \* _4 R- |7 p' p% Z3. 宏单元布局优化
# N! s' ~$ i/ p. k7 @宏单元布局对物理设计非常关键。多目标贝叶斯优化被用于改进宏单元布局,考虑线长、拥塞度和密度等因素。
( F4 \$ b3 |, A7 C! A
' y6 R0 w% k$ l) P& G
wxxijhgirk264034872553.png
. J5 h2 @! m4 o q$ _
图4:此图比较了基准宏单元布局与使用AutoDMP(自动化DREAMPlace基础宏单元布局)优化后的布局。
9 e; z1 ~8 H' ?& z2 G; J
3 t `6 s: E5 e$ Z3 R7 c) O4. 设计规则检查(DRC)修复
- U g$ \4 s1 c- T3 c. n: ]! ^强化学习代理被训练用于自动修复单元布局中的设计规则检查(DRC)违规。代理学习逐步减少DRC错误,最终得到干净的布局。% H) H) Q/ S" h2 ~& [: {( L2 @
B5 C( T* M% f
tqdqsxz1xyy64034872653.png
& c# X( V) R4 ~7 X2 v) n& F6 t" M
图5:此图显示了RL代理在单元布局中修复DRC违规的逐步过程。
2 C, b: F6 ]6 g5 x; s T3 M4 O' E" O6 T% y
5. 数据通路优化
/ ^& w/ f9 I7 d% P# O* t8 J/ [强化学习也被应用于优化数据通路结构,如前缀加法器。RL代理探索不同的前缀图结构,以实现比知名加法器架构更好的性能。9 A$ t4 q3 v) W/ B
5 I3 H$ c! p) [' E1 |$ Y
53a1qbcnlby64034872753.png
, }6 b1 o/ G) W2 G; n4 F( _$ _- N
图6:此图说明了使用强化学习优化前缀加法器结构的过程。( a" O( }# X b9 ^
6 U# ^% b) I' k- p" {
6. 门尺寸调整* e4 p; c5 e( V1 l9 z1 v0 ~
Transformer被用于生成最佳门尺寸,以进行时序和功耗优化。通过将门路径建模为序列,AI可以生成优化的门尺寸,与传统优化方法相比,实现了100倍到1000倍的加速。7 ~7 l7 g+ z6 b
8 M5 f& T/ [' p0 t
05xiyqrwryc64034872853.png
/ C$ Z& q, k) q+ g W; ~$ E+ e图7:此图显示了Transizer方法在门尺寸优化中实现的功耗/延迟权衡。
! e- c* j X. f2 C9 u7 w& P
" `5 a% B! O4 _* F0 T; t5 U& k6 S/ C; T+ s7. 加速器设计
6 D9 Z; X' [* J% m3 E2 G8 |5 M变分自编码器(VAE)被用于学习硬件加速器设计的连续可重构潜在空间。这种方法在探索设计空间时实现了6.8倍的样本效率和5%的性能提升。& M5 e1 O9 @1 N) F8 v
0 [, P" u; w: H4 I& f
v3l4vfpurbu64034872954.png
% Q- X( a6 @# C" \7 L& K
图8:此图展示了在神经网络加速器设计空间优化中使用VAE的过程。 T4 S4 C9 L5 }6 p# O, W
+ o( |% }/ D, a5 j2 e大型语言模型在芯片设计中的应用
' j' X; \3 w L, v H大型语言模型(LLM)在芯片设计中越来越重要。可以通过以下技术适应各种任务:
) |& r3 ^6 N+ F K2 x参数训练检索增强生成(RAG)上下文学习基于代理的方法
: ?/ D [. q5 _) i5 V1 ?
' u$ i7 X* _- p0 y. H7 ULLM在芯片设计中用于多个目的:编码辅助:为特定任务生成EDA脚本。专业知识辅助:回答关于设计、基础设施、工具和流程的问题。分析辅助:总结错误报告并预测任务分配。& P. }. u* E; H0 u# w
[/ol]
; l7 ?7 h4 v9 R) Y$ b$ Z. _# l( `9 i8 i
b0tegjlfsce64034873054.png
; R1 D+ {3 j- r3 ?& h图9:此图显示了LLM在芯片设计中的各种应用,包括编码、专业知识、分析、优化和调试辅助。. d4 E, {0 p: M" {
1 w( I) p# X5 @4 b
结论
! _- Y! F; Q" x; Q3 nAI正在通过提高分析速度、优化质量和设计辅助来革新芯片设计。随着该领域的进展,可以期待看到:持续使用贝叶斯优化和强化学习,以实现芯片设计中更好的PPA(功耗、性能、面积)。在优化数据上训练的生成式AI模型,加速传统优化过程。LLM模型和代理通过聊天机器人、协作工具和任务自动化显著提高芯片设计生产力。可靠高效的推理基础设施的重要性日益增加。1 D( n8 l8 p9 R# y: c/ h; E* {* I
[/ol]
1 M0 w. l6 d* W* j) n为进一步推动该领域发展,需要更多数据集和基准,如VerilogEval、FVEval和LLM4HWDesign。随着AI的不断发展,其在芯片设计过程中的集成无疑将带来更高效、更强大和更创新的半导体产品。8 W( n$ c0 b* ]% y
# T. N/ o5 c& a9 e( f: a Z. i4 ]0 G
参考文献/ A W) k1 a; g5 d
[1] H. Ren, "Introduction to AI for Chip Design," presented at Hot Chips, Aug. 25, 2024.# o* J0 R! k& H: Z2 Z
/ ~" \% z$ P) l% P
- END -' b1 ^" A& f, n
( q. Q4 | Q+ q, X+ Q6 C
软件申请我们欢迎化合物/硅基光电子芯片的研究人员和工程师申请体验免费版PIC Studio软件。无论是研究还是商业应用,PIC Studio都可提升您的工作效能。, j) C. z( q/ q; n' P" B9 j( k: e
点击左下角"阅读原文"马上申请' p i/ G0 @/ w1 `; X. ?
2 C: Z |+ j# z) f欢迎转载
: u) i: J" e3 m: V, v1 K
* V' r2 M! v8 s" D1 f$ ~. I转载请注明出处,请勿修改内容和删除作者信息!& P# x8 R7 m& j/ |8 m' }+ y
& `+ w: W+ M' j
+ ?9 m1 Q ?) e+ Q
0 t( h7 p4 E3 R
5rxl2khdicd64034873154.gif
6 b$ L% i' T* H4 {! Y1 P" d9 E$ N0 Q* Y6 a5 R3 |, D0 D
关注我们! M0 l% c( V. A ?( P- U
& c$ n' b7 y5 [+ c( D; e
- ~) ]) C% x( a+ C6 ~. V
m0i2cg3mfix64034873254.png
4 y, d# I7 F# L9 v' p$ R |
6 |) k. i' D' C7 ]' V
jooj2ky3dhf64034873354.png
+ x5 O3 c3 |5 Z* c# ^
|
9 w& H# f- b9 i9 a' T
51mfmehxn4j64034873454.png
/ U/ W# S0 k) t% p+ u | " l c/ S6 D. {0 \! Z
( h+ q6 G' V& D+ B
6 j/ I0 B# O' Z! i6 ~+ h# f
9 r! p! T. y2 c2 I
) U! l* C" R5 r( ^, R
2 j) |" l5 P# O$ e" T3 e! X) C J) D0 @( E+ x. t: ^
关于我们:1 G, I3 N( v9 L1 E* v
深圳逍遥科技有限公司(Latitude Design Automation Inc.)是一家专注于半导体芯片设计自动化(EDA)的高科技软件公司。我们自主开发特色工艺芯片设计和仿真软件,提供成熟的设计解决方案如PIC Studio、MEMS Studio和Meta Studio,分别针对光电芯片、微机电系统、超透镜的设计与仿真。我们提供特色工艺的半导体芯片集成电路版图、IP和PDK工程服务,广泛服务于光通讯、光计算、光量子通信和微纳光子器件领域的头部客户。逍遥科技与国内外晶圆代工厂及硅光/MEMS中试线合作,推动特色工艺半导体产业链发展,致力于为客户提供前沿技术与服务。2 ^: `$ w$ V- i7 Y: Q# i
$ m# C# }" }. m) x! A) b
http://www.latitudeda.com/9 M8 a* I& q% p; Z, M9 F
(点击上方名片关注我们,发现更多精彩内容) |
|