电子产业一站式赋能平台

PCB联盟网

搜索
查看: 242|回复: 0
收起左侧

?人工智能辅助芯片设计

[复制链接]

978

主题

978

帖子

9715

积分

高级会员

Rank: 5Rank: 5

积分
9715
发表于 2024-10-22 08:01:00 | 显示全部楼层 |阅读模式
引言
7 M% N+ S, ]" n0 u) B* r  P1 F在半导体技术飞速发展的今天,人工智能(AI)正在成为优化芯片设计过程的关键工具,本文帮助读者了解AI,特别是强化学习(RL)和生成式AI,如何应对现代芯片设计的复杂挑战[1]。- T8 c# `; z! Z

: g! c* M4 s% g) Q$ u芯片设计复杂性的挑战
" n8 r" n" A! R7 y1 [) A; E现代芯片设计是涉及众多变量和权衡的复杂过程。随着半导体技术不断推进,设计空间的复杂性呈指数级增长。9 @- b( j& R7 u8 g( R! k# _

d1shonlpwai64034882926.png

d1shonlpwai64034882926.png
* f) Z! e- x; d
图1展示了设计复杂性在时钟、库单元选择和电源管理等多个因素上的指数级增长。+ D$ o( J& t- T" g; M2 h4 I8 g

$ F! K# m0 W  ?; }; l! {. n# O这种日益增加的复杂性带来了几个主要挑战:
! b6 d+ @3 |" T- g/ D7 L( c1 x0 y7 R
  • 结果质量:解决方案空间不连续、噪声大且非凸,难以跳出局部最小值并识别因果关系。
  • 吞吐量:设计人员一次只能评估少量变量,导致设计过程延迟长。
  • 成本:设计过程常常导致计算资源利用率低下,跨项目复用有限。# e$ P3 Z1 ?% C0 H! r1 O/ N& Y* r

    ) D6 X2 j7 P; `" v+ J! J
    ! O- F/ B2 q$ z# h) G3 }" p( B

    4bprb3o41ud64034883027.png

    4bprb3o41ud64034883027.png

    9 Y/ U/ Z$ {" w  m* u" r, A8 g) z图2显示了芯片设计过程中时间分配的breakdown,突出显示了当前方法的低效之处。) R  g+ d2 B* ?7 v8 O
      @! T4 Y3 `4 K6 n2 A
    AI在芯片设计中的应用前景4 s- n* h. B" e3 k
    为应对这些挑战,半导体行业正转向AI,特别是强化学习(RL),以优化芯片设计过程的各个方面。  |2 r2 ?  p; c0 z5 \/ ^0 L; t; ^

    1 K/ Y- A$ V1 u! \, d! O  h7 h理解强化学习
    $ P8 x7 f. g  |4 e强化学习是机器学习的一个分支,其中代理通过与环境交互来学习决策。在芯片设计中,RL代理可以探索各种设计选项,学习实现所需性能指标的最佳策略。5 z2 j$ ]& _0 I4 N) }5 H$ j

    wtdqj5jnstl64034883127.png

    wtdqj5jnstl64034883127.png

    9 ~* {; \; n: `+ ?图3描述了强化学习的基本概念,展示了代理与环境之间的交互。
    ' V4 I% [% L# A! z* s& q
    8 N- E% Z: s" J& I: V7 Y7 e2 e. M/ y将RL应用于芯片设计  L% I. y4 E: b- y, G) M
    将RL应用于芯片设计涉及将各种设计参数和约束映射到RL框架:3 ~7 U( A" G4 ?$ ^
  • 状态:当前设计配置
  • 动作:对设计参数的更改
  • 奖励:目标指标的改善(如功耗、性能、面积); R6 I! Z2 `% X8 U! k

    : W  V$ o6 r9 I, D
    6 u, k" Y0 m! U8 o

    efv4512mfi464034883227.png

    efv4512mfi464034883227.png
    & v, j/ i. X- M3 Y. b+ s8 O
    图4说明了如何将RL应用于芯片设计问题,将设计输入映射到动作和结果。
    8 I9 w  k. ]4 ~9 b  }
    * J) B4 S. ]* _" |AI辅助优化贯穿设计流程/ t+ k& e# O3 N8 J) N! b( @
    AI驱动的优化可应用于芯片设计过程的各个阶段,从架构到制造。
    : I: C" V8 o/ ~, J) Q0 z0 N4 X6 d; w' I& `
    1.数字实现
      i" u: x2 s+ F6 MAI可以辅助探索不同的平面图选项,优化芯片面积和最大频率等指标。$ K& q; J) B4 s6 X

    3wwioxv2aro64034883327.png

    3wwioxv2aro64034883327.png
    % B+ m. M+ _1 J* J9 t, o# _
    图5展示了AI优化设计的帕累托前沿,平衡了芯片面积和频率。- p( b& ~" Q" a: E' B/ q# _
    4 H4 T$ S& e" p2 ~" ^! @7 P0 J+ b
    2.验证
    ! U$ S, J/ r# `% T0 B! FAI可以通过智能选择测试用例和优化覆盖率,显著提高验证过程的效率。1 E7 `! W; p  J% Q+ N7 K

    ulo20taddbd64034883428.png

    ulo20taddbd64034883428.png
    - X: z3 f) O5 q4 A
    图6演示了AI如何优化回归测试的分布,以实现更高效的验证。
    8 `# u4 i9 U+ g% o4 j4 \
    , g3 V0 T5 o2 d, q- ~; }5 b3 C3.测试和ATPG
    . F; s! n; }) BAI可以优化测试生成的各个方面,包括非扫描设计、X处理和中止限制。
    ! }' h: T7 X2 \
      Z1 k- U% V. |# w0 q* j4.电路优化
    . k+ t- E/ }6 v: t* k对于模拟和混合信号电路,AI可以在复杂的器件参数空间和PVT(工艺、电压、温度)角落中导航。. V' c; V- K2 B/ M9 R
    0 s' [0 `0 c1 v; O* ]2 ^7 }+ F
    5.3D集成  R1 v# I& c% k6 E' ~
    AI可以辅助多芯片配置的探索,优化性能和功耗效率。
    8 ?* h( _7 ^* F3 N; S  \: t$ x. l
    $ y) g. z) v5 V6. 多抽象层次优化$ h0 `5 d5 n  |  g
    AI在芯片设计中最有前途的应用之一是跨不同设计抽象层次进行优化。
    & m/ c, i6 P- ^4 Y. `1 W

    0qjhttmsz0n64034883528.png

    0qjhttmsz0n64034883528.png

    * W3 t0 e* p% Q  \  t$ a图7阐述了跨多个设计抽象层次优化的概念,从高层架构到低层实例。. r* v+ u' [% I8 b
      ?- k- \+ I6 J" A6 P
    7.单抽象层次vs多抽象层次优化
    4 P9 ^1 p% `& M0 b最初的AI驱动优化集中在单一抽象层次,如布局优化。然而,当应用于多个抽象层次时,AI的真正威力才得以显现。
    . t/ c/ o1 i, L$ B0 x

    mxxbw5fllhz64034883628.png

    mxxbw5fllhz64034883628.png
    2 i% m9 ]) P! o
    图8显示了基于RL的布局优化结果,展示了功耗和频率的改进。
    - M/ {$ R7 Z* |! |" P$ H6 a
    8 P9 m8 q( N3 u' E# c7 F

    xexfbdvlp0w64034883728.png

    xexfbdvlp0w64034883728.png

    9 n  p8 X" [% W" s& \0 g. a0 T  J图9比较了单抽象层次优化和多抽象层次优化,揭示了功耗-频率权衡的显著改进。
    2 X4 z9 E; b1 H$ u: d
    8 n5 q* q8 _3 ?, p7 A$ F8.探索不同设计配置
      v: R  O$ w; m' pAI可以高效地探索多种设计配置,每种配置具有不同的特性和权衡。
    ( A6 [# g7 U: o

    1ly0ttoawws64034883828.png

    1ly0ttoawws64034883828.png
    / I. w5 K/ A9 ^1 Y& S; K
    图10呈现了探索五种不同设计配置的前20个结果,展示了AI可以生成的解决方案的多样性。
    * N3 S8 f4 Y2 `3 t! Z1 q7 u. V  M: S* }% @1 ^2 U$ r5 g8 x! |

    rkh2rtxptpe64034883928.png

    rkh2rtxptpe64034883928.png
    / K" f8 g& S$ F/ g# |
    图11突出显示了不同的RTL配置如何导致不同的布局特征,展示了AI识别和优化不同设计特征的能力。8 ~. \/ R8 S' U8 K
    ( c7 z( t4 E3 h: E
    1 G6 y& `$ H0 A
    基于RL优化的局限性
    0 b# Y; b* ]' R8 U尽管功能强大,基于RL的优化面临两个主要挑战:
  • 创建设计变体的工作量大
  • 设计变体评估速度慢% _# O: x  w2 m6 W5 y+ \/ _
    [/ol]9 h2 q. n4 I8 M
    为解决这些限制,业界正转向生成式AI作为补充方法。3 k# `9 h* b- H) V
    % y$ X; S, n3 A3 V; `% Y" E
    用生成式AI增强RL8 L- @) m" C6 G/ K. U
    生成式AI,特别是大型语言模型,正在为芯片设计优化开辟新的可能性。; m3 M% h( Q4 w4 E
    1 x& J# v' Z3 ?7 l/ a: Z
    RL和生成式AI的比较$ F3 J0 f/ m' s
  • RL擅长在定义的搜索空间内找到最优解
  • 生成式AI善于快速生成多样化的设计选项. I7 M+ D" P* A
    " d8 J: e" V; x% T0 G

    5avsevicsyo64034884029.png

    5avsevicsyo64034884029.png
    / f/ n( t* v% d! e5 ?, j  H
    图12比较了RL和生成式AI在芯片设计优化context中的优势。
    - |! [* k9 C9 j; ^
    1 F  R7 R. y  n* _4 s

    + r  s& k( f9 ^7 o6 D0 k7 S硬件描述语言(HDL)生成
    9 ?- A) p) X' K1 X$ ^7 @最近的研究在使用AI生成HDL代码方面显示出了令人鼓舞的结果。
    3 |% L- a$ u, A

    irftfgae0p264034884129.png

    irftfgae0p264034884129.png

    ! M& @/ ]1 D8 W) s$ _6 o图13显示了HDL-GPT(一个用于生成HDL代码的AI模型)在各种设计挑战中的表现。% B1 N% U+ w# P; s; t1 I! @6 z

    ) U/ T" l, h: I/ Z$ `功耗、性能和面积(PPA)推测& ~$ i) b1 a7 |5 _/ h$ u6 c* W5 g
    AI的另一个令人兴奋的应用是快速PPA推测。% R) I+ S# G& g+ a0 T4 x- G

    qemdwgitzkp64034884229.png

    qemdwgitzkp64034884229.png
    4 ~! _7 r7 b. h: i% @) d& `$ ~
    图14说明了使用AI执行端到端PPA推测的工作流程,可能将设计评估速度提高10倍。' I0 F! b9 E% s
    0 l/ W" K, ~+ H* t; ~- _
    加速设计评估  M& A, c" m5 T+ Q8 K7 |
    图卷积网络(GCNs)正被用来大幅加速设计评估过程。. F6 [/ P9 D/ J# R

    tqkzaa2rfij64034884329.png

    tqkzaa2rfij64034884329.png

    1 f# S8 C' i2 e& W) a/ L图15演示了GCNs如何将设计探索速度提高500多倍,相较于传统方法。
    : y8 s! }' e! }- X
    * Q# V1 T  h  X结论' H5 v. `; b: T! P7 q
    AI辅助芯片设计代表着半导体行业的范式转变。通过利用强化学习和生成式AI,设计人员可以更高效地探索广阔的设计空间,跨多个抽象层次进行优化,并加速整个设计过程。+ N6 {( W- ^3 H9 v: b
    6 A+ d$ m$ G1 U* u+ h
    随着AI技术的不断进步,可以期待更深远的影响。RL优化与生成式AI快速设计空间探索的结合,有望在半导体设计中释放新的创新水平。$ P8 I" I  J6 [; A3 p
    % O2 j: Q/ r' g( J
    芯片设计的未来可能会看到AI工具在整个设计流程中的更深入集成,从高层架构决策到低层物理实现。这种AI驱动的方法不仅将提高芯片的质量和性能,还将显著缩短上市时间并降低开发成本。
    . O" T' k8 P$ @' h; {3 T. `& V0 Y
    + B8 `" l3 }% N, y参考文献
    ( H; h% ~9 V" a  _[1] S. Diamantidis, "AI-Assisted Chip Design Tutorial," in HotChips, Aug. 25, 2025.
    5 d; q% x! [& g2 P% T8 s
    8 Z6 n4 _9 w& c2 H( w3 T0 @( D: {! N- END -6 N$ v* u! y2 ~2 l

    1 C/ E. u# i! L% ^3 Q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。
    3 R/ n" l6 V" l$ I0 f( @点击左下角"阅读原文"马上申请$ g5 |" ^! o4 {$ C
    * n, U9 ]' N! b* g
    欢迎转载% b+ g* _' ~3 |* b5 R* q

    + M- ~' _+ e7 {, d转载请注明出处,请勿修改内容和删除作者信息!7 R6 z$ h+ Q' Y4 R  z/ n4 ~! d
    & ^/ `( V: E  K: R$ ~0 b

    : Z2 i/ b% Y" O* Q  p
    * _' p7 _3 |1 [! n7 Z1 N

    ywildxob4dq64034884429.gif

    ywildxob4dq64034884429.gif

    5 V( D2 |+ Z  D, a9 O6 ~& q# a- Z, x5 B6 ~
    关注我们9 W& i, r/ q$ a1 n5 ?
    2 h5 t0 T9 M2 I1 W

    & Y( p1 B  x- }$ @. z  S! u4 z9 Y

    xdet4q0xui264034884529.png

    xdet4q0xui264034884529.png

    % G; A! E! a' {4 R: F  J
    7 x( |5 u0 T7 ]) q: N: Q

    5ftmlwfz2xq64034884630.png

    5ftmlwfz2xq64034884630.png

    8 J, \5 A5 M9 u( J8 e! m$ w8 m# S

    6 y' M9 x9 B4 H9 W. Y

    1nykyram4zi64034884730.png

    1nykyram4zi64034884730.png

    : @  Y+ k3 d" G3 o7 K
                          3 B; g2 C9 m0 c3 t1 X
    3 \- y5 j/ |: L

    ( A: V+ {' z3 L; H
    9 W0 d1 I% a) h7 {关于我们:8 s3 Z- h+ U+ U' {
    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。$ G9 L- p& ~5 f1 k' }; P
    ! T0 H2 o/ t0 _" z) G
    http://www.latitudeda.com/
    3 f! ^$ h! `1 Y& r) P(点击上方名片关注我们,发现更多精彩内容)
  • 回复

    使用道具 举报

    发表回复

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则


    联系客服 关注微信 下载APP 返回顶部 返回列表