电子产业一站式赋能平台

PCB联盟网

搜索
查看: 239|回复: 0
收起左侧

?人工智能辅助芯片设计

[复制链接]

970

主题

970

帖子

9635

积分

高级会员

Rank: 5Rank: 5

积分
9635
发表于 2024-10-22 08:01:00 | 显示全部楼层 |阅读模式
引言8 @6 Q: r& e# K$ X8 K$ x2 `. q
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]。
8 n, `5 J+ Q' G& i6 }
* a+ J& ?1 \! r; ], ^: n# A芯片设计复杂性的挑战
! M1 I1 ]5 V. G& T" W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。1 _" g' {& _6 @3 p; p7 @9 E5 G

d1shonlpwai64034882926.png

d1shonlpwai64034882926.png

8 h5 w1 \/ m3 N# s4 Q/ g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。
3 ?' T/ n, X* V/ L4 ~3 _5 L' w6 G/ u: ?
这种日益增加的复杂性带来了几个主要挑战:
1 a# W+ j8 ^+ }" \" y# E
  • 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。- h+ c* ~# B. `
    1 P. ~8 l" p7 \" ]* @& L

    8 m+ W* e7 Z# q0 _+ b$ Y

    4bprb3o41ud64034883027.png

    4bprb3o41ud64034883027.png
    ! T* ]( {- G; b$ p6 C% k' t7 t3 f
    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。
    & N; i% P. k" @1 p  G6 `5 `
    & @& D4 \7 E. P7 _' F3 a$ BAI在芯片设计中的应用前景! E0 j+ b3 L6 t& ?; G* B  ^1 ?
    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。( N, c% m' m! N5 `% E/ V/ [
    3 t; w  v, ~* t+ y
    理解强化学习
    3 P2 S: H1 |3 F: n- p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。0 s9 G! @, U8 E. B0 n: U' d. A2 F

    wtdqj5jnstl64034883127.png

    wtdqj5jnstl64034883127.png

    2 r' x6 h( d( k, ~% w$ A7 u6 Z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。
    8 a- W; z+ _' D) E/ l  ?7 O1 \7 g& t4 D
    将RL应用于芯片设计
    ; T% s  J; k% I- @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:; G" H% _) g& W7 o7 q; z& [
  • 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)
    4 {. n  ?7 r9 Z" q2 ^
    ; ^: i* T6 a, S' B% D- f! O

    . m- M& s: X9 z/ N% ^

    efv4512mfi464034883227.png

    efv4512mfi464034883227.png

    1 K/ n& N% u9 e$ k8 h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。
    9 q5 x) z& y+ c0 o
    ( T, M  T# ^* L" I  n( B; a0 gAI辅助优化贯穿设计流程# k$ v2 N7 _; e, i9 i5 e8 n
    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。
    3 U5 ~3 j6 y6 k. O6 d  q6 o/ V4 x1 K: y; s8 W
    1.数字实现3 p! z3 V  \0 Z. c
    AI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。& g+ [  ^7 x" N: B

    3wwioxv2aro64034883327.png

    3wwioxv2aro64034883327.png

    ; W1 E/ {! o6 j- |- W0 w3 [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。: s1 |- b9 [) k: E
    / i% s+ [2 i0 B. F7 p
    2.验证$ C1 f  O, B7 V7 r
    AI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。/ P6 s4 H$ U) t9 _0 b. Y

    ulo20taddbd64034883428.png

    ulo20taddbd64034883428.png

    ( m& F( O3 B: V& l$ I5 U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。3 ]5 Y9 z2 y9 P$ }7 C) [* B

    : b( a: T, N/ p6 j+ C9 G4 P3.测试和ATPG
    / L( }/ }. f3 c  HAI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。0 o1 D) s4 K" T9 A
    / L) C& {- M; E4 h) Y
    4.电路优化. f8 H' ]$ z" f; d! P
    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。
    # c! G  U( o- _+ S* I% h& Q
    : A2 I+ g1 c( R: k; k5.3D集成  ?. n; V& B/ f2 d+ R# {
    AI可以辅助多芯片配置的探索,优化性能和功耗效率。4 D' I7 s3 [4 E

    4 K: Y; a/ n% ]6. 多抽象层次优化
    & ]6 |2 q# t* c9 V. f& @  ~; q/ aAI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。6 i6 x; e* b) q1 i& I) N

    0qjhttmsz0n64034883528.png

    0qjhttmsz0n64034883528.png

    8 y4 k( A' |2 r/ U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。
    + o6 z2 D" ^" b
    , f& P( s: @& z) s% Z5 o7.单抽象层次vs多抽象层次优化' v: n% G5 w; L, d7 z9 s9 a# x
    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。
    3 X, B& {$ D3 c! i! Z/ {

    mxxbw5fllhz64034883628.png

    mxxbw5fllhz64034883628.png
    ; L& a& ~# p7 o" Z3 d, _' z$ y' j
    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。- k9 t2 [) C, V( F, Z* W2 E
    + c1 D  a% }0 j

    xexfbdvlp0w64034883728.png

    xexfbdvlp0w64034883728.png
    ' Y* X& D! }# M4 Q
    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 U1 O& l) y0 s. T, U6 Z* S1 Q  L$ A. M* G8 `2 l
    8.探索不同设计配置
    , M* [$ ~" P8 n: H, A% A4 EAI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。- T# F% E5 y6 A5 n5 k

    1ly0ttoawws64034883828.png

    1ly0ttoawws64034883828.png

    9 h8 Y6 _- n0 Y  i! \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。
    : J* o" A$ x7 Q+ y2 i3 ~
    / j6 e8 \* i; K7 f( ]) K

    rkh2rtxptpe64034883928.png

    rkh2rtxptpe64034883928.png
    " V0 k% [# I7 A$ H9 [& Z! D
    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。4 Q/ c3 ?- V9 J% C
    # k% R' q  T7 O! B3 h& f

    * F# h! j0 x3 t! s. {6 ]) u- g基于RL优化的局限性
    3 m1 Q# w3 c. u+ O6 ]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
    8 p& r8 e0 l/ v- R- L[/ol]- h- U0 R) B; V7 c1 H1 s3 ?
    为解决这些限制,业界正转向生成式AI作为补充方法。
    * y: L# Z- A! H; E' v0 ?$ L# [& R2 X2 N4 ^* L2 t+ W, L0 g# f! F
    用生成式AI增强RL- w0 D8 B( L& U0 d$ J
    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。6 ^5 `$ x! s: a' b, X7 a
    ' }, E. o5 R4 ~! g7 L
    RL和生成式AI的比较' i0 f7 C& b9 W; Y" B
  • 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( i- [# P' ?0 g9 |- m2 r. p7 [

    + {8 t3 S9 V6 a3 w+ [+ a- d

    5avsevicsyo64034884029.png

    5avsevicsyo64034884029.png
    3 d$ `& T9 a" D' [  D0 r
    图12比较了RL和生成式AI在芯片设计优化context中的优势。5 e/ M" [0 Z- i) f+ z# f. ]/ ^

    + [7 l0 j2 u& X) H" i$ H+ F' l: C
    . F: r' V+ R" T. V: H; E% T/ s
    硬件描述语言(HDL)生成
    : v4 M: w) R$ E& i) h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。
    5 d5 l9 s( @7 \) e4 q

    irftfgae0p264034884129.png

    irftfgae0p264034884129.png
    ) m* x9 i) g( p, f# U# W
    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。
    0 {- T1 _2 h' B- a3 Z
    - [6 K+ {9 N& @/ P) y; p0 N& [功耗、性能和面积(PPA)推测
    ; T! N5 C# C6 _8 Z: \5 @AI的另一个令人兴奋的应用是快速PPA推测。
    ; i+ k6 U0 b. P8 Q9 c

    qemdwgitzkp64034884229.png

    qemdwgitzkp64034884229.png
    5 e- I. s) ]* p+ K5 F4 n& G
    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。9 c  @; l2 V+ U4 Q8 I3 D- H
    5 ]; C: N6 i' L3 k3 |
    加速设计评估
    ; L) k9 b" r2 r7 i+ C2 A* |# J8 [# S' P图卷积网络(GCNs)正被用来大幅加速设计评估过程。
    ) `1 C/ c! U$ p+ n$ G- s$ X. W5 p

    tqkzaa2rfij64034884329.png

    tqkzaa2rfij64034884329.png
      u/ V! P( p. F& P5 M2 V7 {' U' D) @
    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。
    . M# l; ]! i$ f: A; Q( |8 }" k" ], f+ X
    结论
    * j: b# l! j, C- |. h6 A0 s6 X' L# eAI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。
    + E5 T# y# v; T  H% q( u
    / `2 ^" b! V* B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。
    ; h# f& e- y5 d. L# ]; I8 }( J" D; p* w1 C
    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。5 F/ \3 {/ W! d
    ! ^; X) ~8 ~1 v4 }& m! ?) O& l; @
    参考文献
    7 w5 ^6 b+ a6 p/ g0 g[1] S. Diamantidis, "AI-Assisted Chip Design Tutorial," in HotChips, Aug. 25, 2025.7 p5 Q5 H3 O2 n& F- h6 P

    ( R& O& |2 p9 P5 Q+ Y+ H; n/ |9 E; A2 p- END -
    $ \  _7 p+ s8 C0 E
    & T0 X  d+ g, S2 L* _  K" L7 [$ 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。
    ; b  _$ c/ f( a/ }5 P% }; d9 r1 K7 M1 o点击左下角"阅读原文"马上申请
    " S0 K5 Y* V" x) t. K0 E7 o; A. {# q3 @
    欢迎转载
    ; G7 y. M" w1 H# [- u: b2 l8 I: U$ C1 P
    转载请注明出处,请勿修改内容和删除作者信息!6 c0 @5 [1 W, @2 x
    ( m7 O7 u/ u/ `* p
    1 {! |/ r9 W6 d% H
    ; R9 z7 h+ G6 {' q

    ywildxob4dq64034884429.gif

    ywildxob4dq64034884429.gif

    ! ?8 y5 d  l" A8 J3 z# x5 `
    / V# \5 E3 v5 {/ W, T" f* N关注我们3 H, `2 S8 F3 I  b# g

    - q5 Z( f1 l! y1 M

    9 a  D0 p& w  Z0 L2 U

    xdet4q0xui264034884529.png

    xdet4q0xui264034884529.png

    , ~' N. S8 \) L, Y: q
    & {$ N0 }9 p5 B% d

    5ftmlwfz2xq64034884630.png

    5ftmlwfz2xq64034884630.png

    6 n+ z. o& q: S
    . n3 |8 C% l( n% E' y2 c2 C

    1nykyram4zi64034884730.png

    1nykyram4zi64034884730.png

    8 m& U: O2 C+ w7 }% i% ^# A
                         
    + c7 [2 \. n! e0 W7 u8 `. m0 _
    ! {9 l( {$ s! _) z- O$ ^" M

    ; [' v4 i, G4 \* y' f1 ~8 D1 Y8 v. @* a
    关于我们:
    : x9 x) A+ |& n! y( P5 z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。
    # M* ?& p$ O: ]5 r# z: i
    % c6 s1 j9 ]% H% L  c- thttp://www.latitudeda.com/
    & Z$ O' e, r8 e; ?(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