广告

机器学习进入芯片设计领域

时间:2017-05-09 08:51:51 作者:Junko Yoshida 阅读:
芯片设计师在设计芯片时面临大量的设计数据和可变性,特别是在开发具有不同功耗、温度和性能规格的各种芯片之时。而复杂的芯片设计或许是运用机器学习的一个很好的领域。
广告

随着人工智能进一步发展,半导体工程师们已经听到人工智能的脚步正向芯片设计行业走来。

芯片设计师在设计芯片时面临大量的设计数据和可变性,特别是在开发具有不同功耗、温度和性能规格的各种芯片之时。而复杂的芯片设计或许是运用机器学习的一个很好的领域。

至少有一家EDA软件公司正在向这个方向努力。该公司自主研发了一套机器学习算法,他们称之为“针对工程技术的机器学习”,并将它应用于具有变化意识的设计与表征软件中。

这家公司就是位于加拿大萨斯卡通市的Solido设计自动化公司,成立于2005年,是一家私营EDA软件供应商。

Solido通过建立机器学习(ML)实验室而刚刚成为向半导体用户销售其机器学习算法的首家供应商。Solido的计划是“与半导体公司一起合作开发基于机器学习的新型EDA产品。”据该公司透露。

Solido公司总裁兼首席执行官Amit Gupta告诉我们,“我们想编织一张更宽的网”,与更多的客户一起开发、选择和应用最佳的机器学习技术以解决特定的问题。

12年的机器学习史

在机器学习领域,Solido既不是新手,也不是模仿者。据Gupta介绍,他的公司在机器学习算法领域已经研究了12年,并已将这种技术应用于公司的旗舰产品。

Solido公司对其技术产品相当有信心。公司的机器学习技术已经在公司自己的商用化产品(2007年推出的“Variation Designer”)中得到测试和验证,并得到了全球许多用户的支持(1000位设计师和35家主要公司)。

Gupta表示,已有7家领先客户承诺在机器学习实验室工作,致力于将Solido的专业技术推广至其它EDA领域。

Gupta没有透露客户的名字,但暗示Solido的关键客户覆盖范围广泛,有代工厂、集成设备制造商(IDM),也有无工厂(Fabless)芯片公司。
20170509-machine-learning
图1:为什么要建机器学习实验室?(来源:Solido设计自动化公司)

机器学习进入芯片设计的想法应该不会令人惊讶,特别是在半导体行业。半导体生态系统中包括代工厂和EDA公司在内的许多大公司都在悄悄地研究如何将机器学习最好地运用到复杂芯片的设计、开发和测试中去,以便提高设计和生产的效率和精度。

Gary Smith EDA公司首席分析师Laurie Balch承认,“EDA工具公司正在尝试‘机器学习’”,但她补充道,“我不是说他们已经在整个EDA工具链中大面积推广了。至少现在还没有。”

部分原因是机器学习对EDA公司来说也有不小的问题,因为他们必须处理具有很大变化的复杂设计数据。“为了得出好的规则,产生可重复的结果就是一个棘手的问题。”Balch指出。

行业趋势

不管怎样,接受人工智能以改进设计的想法正在赢得不错的发展势头。

通过机器学习实现先进电子设备中心(CAEML)主任Elyse Rosenbaum在今年早些时候告诉EE Times,CAEML用于电子设计的人工智能项目已经获得了美国国家科学基金会和9家公司的大力支持,这9家公司包括ADI、Cadence、思科、惠普企业(HPE)、IBM、英伟达、高通、三星和赛灵思。

北卡罗来纳州立大学电气与计算机工程教授Paul Franzon在接受EE Times采访并被问及CAEML是否了解Solido时表示,“我们了解我们的成员公司在做的一些事情,但Solido不是我们的成员,因此我们目前对他们还不是很了解。”

然而在看过Solido公司的网站后,Franzon怀疑Solido公司做的应该是“统计性工作”。在他看来,“‘大数据的’统计分析是机器学习的一个分支,在EDA领域发展非常迅速,因此有许多机会。”

与之相反的是,CAEML的主要研究工作一直是“构建全球性模型,以适应由详细模型评估或详细结构测量产生的‘训练’数据。这些快速全球性模型随即可以用在设计中以更快地实现更好的设计。”

Solido公司的Gupta在被问到CAEML的努力时表示,“能够看到像CAEML这样的组织在EDA领域开展早期的机器学习研究感觉非常棒。”

但是他强调,机器学习技术已经开始突破EDA行业。“在Solido机器学习实验室,我们直接与领先客户一起合作,为EDA行业快速开发和生产机器学习产品。我们正在充分利用十几年来积累的专门技术和我们已经运用到我们产品中去的机器学习研发成果。”

也许与其它技术相比解释Solido机器学习研究工作的更好方式是,他们的软件(即Variation Designer)更接近于制造。正如Gary Smith EDA的Balch解释的那样,“Solido软件的重点在于设计的实现,或者说使他们的设计更适合生产,以便实现更高的精度和更高的良率。”

工作原理

据Gupta解释,Solido专有的机器学习算法的关键目标有三个。它们必须形成“不是估计的,而是生产精确的”产品,它们是“可验证的”,并且它们能提供“持续改进的自适应模型构建”。

显然它们也需要是可扩展的。“当每个晶体管都有8到10个工艺变量时,我们讨论的机器学习技术必须扩展到100K+的输入变量才能设计好具有10k晶体管的芯片。”他补充道。

但Solido的机器学习技术如何真正运用到EDA流程中呢?

首先,用户要为他们自己的芯片制定规范,他们的可变输入需要馈入Solido的机器学习算法。由机器学习算法驱动的SPICE仿真器会搭建好一个模型,然后由这个模型来预测结果。

整个过程不是在黑盒中完成的,Gupta强调。相反,软件会提供类似仪表板那样的用户界面,允许设计师实时查看和验证软件正在做的事情。

如果系统在搭建可信模型时找不到足够的数据,它就会要求设计师提供更多的数据。设计师也许会切换到另外的软件。但这里的想法是,所设计的系统将搭建一个自适应的模型,这种模型会自我验证并校正错误。

如果没有好的工具,许多芯片设计师都会“过度设计”或“欠设计”芯片,Gupta指出。或者他们会花很长的时间去“测量变化性并进行仿真”。为了加快这个过程,设计师现在可以求助于机器学习技术。据Solido公司介绍,设计师借助其Variation Designer工具可以将“High-Sigma Monte Caro的仿真次数从50亿次减少到3000次”。

速度不是唯一的目标。“半导体设计师正在作出非常昂贵的决策。出错的成本非常高。”Gupta表示。因此让具有机器学习功能的软件产生“生产精确的结果”绝对是关键,他补充道。

另外,Solido前不久还发布了机器学习表征套件。据该公司透露,这款新产品使用机器学习“显著减少了标准单元、存储器和I/O表征时间,可以帮助半导体设计师满足激进的生产计划要求。”

与Solido的表征套件一起提供的预测器可以以全新的视角产生生产精确的库模型,Solido公司表示。它“可以将库表征时间减少30%-70%,”因此可以极大地节省表征许可、仿真许可、CPU、磁盘和时间,Solido公司解释道。

更多工作要做

重要的是记住EDA行业中很多是利基企业,Gary Smith EDA公司的Balch提醒道,每个供应商都会用特殊的工具解决特殊的问题。

从某种角度讲,Solido也是工作在特殊领域的利基公司。但Balch表示,这并不妨碍Solido在自己的EDA领域扮演重要角色这样的事实。在她看来,将机器学习运用到EDA链中的芯片设计才刚刚开始。

当被问到如何在最难的领域(即芯片设计中)运用机器学习算法时,北卡罗来纳州立大学的Franzon教授解释,“并不是说某些问题不能采用这种(机器学习)方式解决,但根据它们的自然特性有些问题会比其它问题更难一些。”

他引用了一些例子。一个是“具有太多维度的问题”,他表示。“具有20个以上维度的问题很难‘安装’或‘训练’,因为你需要太多的数据。我们正在研究分而治之的技术来解决这些问题。”

另一个是“噪声数据”,Franzon指出,“一些详细的模型是‘有噪声的’,比如相同的评估会产生不同的结果。我们计划找出解决这个问题的方法来。”

Franzon还提到了“产生训练集的难度”。他解释道,“安装一个模型要求对详细模型进行数百次的评估。有时很难产生这样的训练数据集。”

与此同时,Solido公司的Gupta希望他团队的机器学习技术被认可为有用的工具,设计工程师可以用这些工具来完成他们高风险的芯片设计。

本文为《电子工程专辑》原创,版权所有,谢绝转载

EETC wechat barcode


关注最前沿的电子设计资讯,请关注“电子工程专辑微信公众号”。

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Junko Yoshida
ASPENCORE全球联席总编辑,首席国际特派记者。曾任把口记者(beat reporter)和EE Times主编的Junko Yoshida现在把更多时间用来报道全球电子行业,尤其关注中国。 她的关注重点一直是新兴技术和商业模式,新一代消费电子产品往往诞生于此。 她现在正在增加对中国半导体制造商的报道,撰写关于晶圆厂和无晶圆厂制造商的规划。 此外,她还为EE Times的Designlines栏目提供汽车、物联网和无线/网络服务相关内容。 自1990年以来,她一直在为EE Times提供内容。
  • 迎接边缘 AI 挑战 虽然众多不同边缘设备的要求都各不相同,但它们基本上都是为了最大程度地提高性能,降低功耗,并尽量减少所需的物理空间。设计工程师如何作出合适的权衡才能应对这些挑战?现有 AI 处理器的性能往往受到带宽限制,并且在将数据移入和移出外部内存时也会遇到瓶颈,导致系统利用率低,这也就意味着性能/功率数值(以 TOPS/Watt 为单位)受到限制。
  • 半导体制造的最大挑战----缩放 近来芯片行业都在不停的提速,5nm 3nm 华为 苹果都在不断地推陈出新,所以在半导体制造领域最大挑战是节点微缩和规模扩大带来的良率问题
  • 如何更好地优化多核 AI 芯片 人工智能 (AI) SoC 的市场持续增长,竞争也日趋激烈。半导体公司根据性能、成本和灵活性,来找到自己的定位,并不断自我优化,从而导致了新型多核架构的爆发式增长。系统架构师正在尝试不同的方法,希望可以将这种复杂性转化为竞争优势。
  • 消除ISO 26262功能安全认证过程中的各种障碍 现今的汽车中使用了各种IC。其中每一个IC都必须首先满足汽车电子委员会(AEC)制定的汽车级制造和性能认证标准。除了AEC认证之外,还有额外的专用功能安全就绪特性要求,具体取决于器件和应用......
  • 通过MBSE 策略保持竞争优势 无论从展现形式还是从功能的角度来说,现代 MBSE 方法与以前的方法都大相径庭。其中,最重要的区别可能在于捕捉、存储和共享系统信息的方式。如今,数据都采用集中存储的方法,并能够安全地对接到其它相关信息中,进而形成覆盖开发流程直至服务运营的系统架构或路线图。
  • 2021年面向 Go 开发者的调查:92% 受访者表示满意 和前几年的调查结果一样,Go 主要在科技行业被广泛使用。70% 的受访者是软件开发者,少数从事 IT 或 DevOps 工作。76% 的受访者表示他们在工作中使用 Go 进行编程。72% 的受访者表示他们使用 Go 开发 API/RPC 服务,其他的主要用途是 Web 服务、库或框架、自动化部署和数据分析等......
  • 新款iPad Pro 2021成最受欢迎的 由于采用性能相对强大的M1处理器和mini-LED屏幕以及更多的创新,新款iPad Pro 2021已经成为消费者心目中最受欢迎。然而,iPad 2却已经在全球范围内被列入“复古和过时”的名单中。
  • 三星折叠屏手机Galaxy Z Fold 3 目前来看,折叠屏新机作为一种新的生产力工具,逐渐成为高端/平板的一种趋势,有报料称三星的Galaxy Z Fold 3发布时间或为7月,并且会引入新手势操控。
  • 芯海科技芯片助力小米Book Pro 旗 北京时间2022年7月4日晚,在“小米影像战略升级暨小米新品发布会”上,小米正式发布xiaomi Book Pro 旗舰笔电产品,其人机交互关键组件——压感触控板搭载了
  • 哪吒汽车与英飞凌宣布就电动汽车电 英飞凌科技与合众新能源旗下的哪吒汽车日前在中国桐乡共同举办哪吒天工电池与英飞凌BMS整体解决方案技术合作发布仪式。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了