الرئيس التنفيذي لشركة Synopsys Sassine Ghazi يعتلي المسرح لأول مرة كرئيس تنفيذي في SNUG، وانضم إليه الرئيس التنفيذي لشركة Nvidia Jensen Huang لمناقشة تعاون الشركات وأكثر من ذلك بكثير.
لم أكن أعلم أبدًا مدى قرب سينوبسيس ونفيديا! على ما يبدو، وفقًا لجنسن، قامت شركة Synopsys بتسليم صناديق وصناديق من الأدلة (نعم، كانت تُطبع في مجلدات ضخمة، إذا كنت تتذكر!) إلى المقر الرئيسي لشركة Nvidia (مجرد مكتب من غرفة واحدة) عندما كانت شركة GPU مجرد طفل صغير . ستفشل الشركة الناشئة إذا عادت الشريحة التالية مع وجود أخطاء وتطلبت إزالة شريط آخر، وكانوا بحاجة إلى أدوات المحاكاة والتصميم من Synopsys لجعل ذلك ممكنًا عن بعد. البقية، كما يقولون، هو التاريخ.
تعقيد السيليكون: الرحلة إلى تريليون ترانزستور وأنجستروم واحد
افتتح جنسن وساسين المؤتمر بالحديث عن التحديات التي تواجه مصممي الرقائق، بدءًا من تعقيد الرقائق وحتى الرقائق الصغيرة وحتى تقاطع تصميم الأنظمة وتصميم السيليكون. تلخص الشريحة أدناه ما أنجزوه معًا، مما أدى إلى تحسين بمقدار 10 إلى 15 ضعفًا عبر سير عمل تصميم الرقائق والانتقال الآن إلى برامج الذكاء الاصطناعي والأنظمة التوليدية.
لقد قامت Synopsys بالفعل بتحسين عملية التقاط التصميم بشكل كبير باستخدام DSO.AI، وهي أول منصة تصميم معززة بالذكاء الاصطناعي، ووسعت نطاق استخدامها للتعلم المعزز ليشمل التحقق من الصحة والاختبار وتصميمات الفضاء التناظرية. تم استخدام هذه الأدوات المستندة إلى الذكاء الاصطناعي في المئات من عمليات تسجيل العملاء وحققت تعزيزًا بنسبة تزيد عن 10% في الأداء والطاقة والمساحة (PPA)، ووقت تشغيل أسرع بما يصل إلى 10 أضعاف، وتحسينات من رقمين في تغطية التحقق، اختبار أسرع 4 مرات بنفس التغطية، وتحسين أسرع للدوائر التناظرية 4 مرات مقارنةً بالتحسين دون استخدام الذكاء الاصطناعي. لقد أضافوا أيضًا الذكاء الاصطناعي إلى منصات تحليل البيانات الخاصة بهم بما في ذلك Design.da وSilicon.da وFab.da لإنتاج PPA أفضل وزيادة عوائد التصنيع.
قامت Synopsys أيضًا ببناء Synopsys.ai، وهو حل ذكاء اصطناعي توليدي يساعد المزيد من الأعضاء المبتدئين في فريق تصميم الرقائق في الحصول على إجابات للأسئلة حول عدد لا يحصى من أدوات الذكاء الاصطناعي وعروض الخدمات السحابية. لاحظ أن Synopsys لا يطلق على شيء ما اسم “الذكاء الاصطناعي التوليدي”، إلا إذا تم إنشاؤه باستخدام نموذج لغة كبير. على سبيل المثال، تم إنشاء عائلة .ai باستخدام التعلم المعزز، وهي تقنية قديمة تظل أحدث ما توصلت إليه التكنولوجيا عندما يتعلق الأمر بحل مشكلة نظرية اللعبة مثل المكان والطريق.
الآن تقوم الشركة بتطبيق الذكاء الاصطناعي على تصميم الشرائح ثلاثية الأبعاد. يجلب التصميم ثلاثي الأبعاد جميع أنواع تحديات التصميم الحراري، ويمكن لمهندس النظام الأساسي الجديد – Multi-Die و3DSO.ai تعزيز الإنتاجية بما يصل إلى 10 أضعاف، ويساعد في حل التحديات الحرارية باستخدام محلل التحليل الحراري الأصلي في غضون ساعات فقط، ليس أيام.
قدم Sassine أيضًا قطعة جديدة من الأجهزة، وهي منصة المحاكاة والنماذج الأولية ZeBu EP2 التي يمكنها محاكاة شرائح يصل حجمها إلى 5.6 مليار بوابة، وهو حجم لم يُسمع به من قبل. محاكي ZeBu الجديد مخصص لعرض البرامج والتحقق من صحة البرامج/الأجهزة وتحليل الطاقة/الأداء. لا أحد يصمم شريحة اليوم بمحاكاة المنطق والتخطيط؛ التصاميم معقدة للغاية. من النادر الآن أن نسمع عن شريحة تتطلب أكثر من شريط أو شريطين، وهو إنجاز لم يُسمع به قبل عقد من الزمن.
وبالبقاء في مجال التحقق بمساعدة الأجهزة (HAV)، أطلقت Synopsys أيضًا نظام HAPS®-100 12، وهو نظام النماذج الأولية المعتمد على FPGA ذو السعة والكثافة الأعلى من Synopsys، مع مزيج من الوصلات البينية الثابتة والمرنة، وهو مفيد بشكل خاص لإنشاء نماذج أولية للتصميمات الكبيرة التي تتطلب العديد من FPGAs، مثل الأنظمة متعددة القوالب وSOCs الكبيرة. يتوفر الآن نظام النماذج الأولية الجديد هذا الذي يشترك في منصة أجهزة مشتركة مع Synopsys ZeBu EP2.
التقارب المفرط: حدود EDA التالية
وأخيرا، تطرق ساسين إلى مفهوم التقارب المفرط. الفكرة هي أنه لا يزال هناك الكثير من التحسين الأمثل الذي يقع عند تقاطع الطبقات المختلفة لمكدس EDA. ومن خلال تطبيق الذكاء الاصطناعي على هذا المستوى من التجريد والنماذج، يمكن الكشف عن فرص PPA الخفية ومعالجتها. يتم دمج الذكاء الاصطناعي في هذا المستوى في نظام مقترن بإحكام. يمكن للذكاء الاصطناعي البحث في المساحة الأكبر عبر هذه الطبقات وتحرير PPA “المحاصر” لمزيد من التحسين. على الرغم من أنه من المبكر جدًا تحديد فوائد التقارب الفائق للذكاء الاصطناعي، إلا أن لدى Synopsys العديد من العملاء الذين يختبرون المفهوم والنماذج بالفعل، ونأمل أن نرى بعض النتائج قريبًا.
الاستنتاجات
تعتقد شركة Synopsys أنها رحلة ستؤدي بشكل متزايد إلى أتمتة العمل الهندسي الروتيني وتحسين الأداء والطاقة وتكلفة تصميم وتصنيع الرقائق المعقدة. سيتمكن مهندسو التصميم الموهوبون والخبرة من التركيز على العمل الذي يمكنهم القيام به فقط، والذي يعمل بشكل متزايد على مستويات التصميم المعماري والبرمجيات. وربما يمكن تصميم 20% من الرقائق “البسيطة”، أو الرقائق التي يتم إعادة تصميمها لعقدة عملية تصنيع جديدة، بالكامل بواسطة الذكاء الاصطناعي تحت إشراف عدد قليل من المهندسين. وستستمر منصات البرامج مثل Nvidia NIMs لمعالجة الاستدلال في زيادة الخيارات الاختيارية التي يسعى إليها المصممون.
إنه وقت رائع لتكون مصمم شرائح!
اتبعني تويتر أو ينكدين. الدفع لي موقع إلكتروني.
الإفصاحات: هذه المقالة تعبر عن آراء المؤلف و
لا ينبغي أن تؤخذ على أنها نصيحة للشراء أو الاستثمار في الشركات المذكورة. شركة Cambrian AI Research محظوظة لأن لديها العديد من شركات أشباه الموصلات، إن لم يكن معظمها، كعملاء لنا، بما في ذلك Blaize وBrainChip وCadence Design وCerebras وD-Matrix وEliyan وEsperanto وGML وGroq وIBM وIntel وMythic وNVIDIA وQualcomm. Technologies، وSi-Five، وSiMa.ai، وSynopsys، وVentana Microsystems، وTenstorrent، والعديد من عملاء الاستثمار. ليس لدينا أي مراكز استثمارية في أي من الشركات المذكورة في هذه المقالة ولا نخطط لبدء أي منها في المستقبل القريب. لمزيد من المعلومات يرجى زيارة موقعنا على https://cambrian-AI.com.