Q&A: 人工知能がチップ設計をどのように変えるか

ムーアの法則の終わりが近づいています。エンジニアと設計者ができることは、トランジスタを最小限に抑え、できるだけ多くのトランジスタをチップに詰め込むことだけです。そこで彼らは、AI などのテクノロジーをプロセスに組み込む、チップ設計への別のアプローチに目を向けました。

たとえば、サムスンは自社のメモリチップにAIを追加してメモリ内処理を可能にし、それによってエネルギーを節約し、機械学習を加速させています。速度に関して言えば、Google の TPU V4 AI チップは、以前のバージョンと比較して処理能力が 2 倍になっています。

しかし、人工知能は半導体業界にとってさらに大きな可能性と可能性を秘めています。 AI がどのようにチップ設計に革命を起こそうとしているのかをより深く理解するために、MathWorks の MATLAB プラットフォームのシニア プロダクト マネージャーである Heather Gore に話を聞きました。

現在、人工知能は次世代チップの設計にどのように使用されていますか?

ヘザー・ゴア: AI は設計や製造プロセスを含むサイクルのほとんどの部分に関与しているため、非常に重要なテクノロジーです。ここには、物事を最適化したい一般的なプロセスエンジニアリングにおいても、多くの重要な用途があります。欠陥の検出は、特に製造において、プロセスのあらゆる段階で重要なことだと思います。しかし、設計プロセスの先のことを考えても、 [AI now plays a significant role] ライトやセンサー、その他すべてのさまざまなコンポーネントを設計するとき。本当に考慮すべき異常検出と障害軽減がたくさんあります。

ヘザー・ゴアマスワークス

次に、どの業界でも見られる物流モデリングについて考えると、最小限に抑えたい計画的なダウンタイムが常に存在します。しかし、計画外のダウンタイムも発生します。したがって、何かを生み出すのに予想よりも少し時間がかかった可能性のある過去のデータを振り返ると、そのすべてのデータを調べて AI を使用して、直接の原因を特定したり、処理や計画の段階でも何かが飛び出す可能性があることを確認したりすることができます。私たちは AI を予測ツール、または何かを行うロボットと考えがちですが、多くの場合、AI を通じてデータから多くの洞察が得られます。

チップ設計に人工知能を使用する利点は何ですか?

カブ： 歴史的に、私たちは非常に集中的なプロセスである物理ベースのモデリングを多く見てきました。私たちは、このような高価で計算量の多いモデルを解決する代わりに、もう少し安価に何かを実行できる、次数削減モデルを実行したいと考えています。物理ベースのモデルのいわばサロゲート モデルを作成し、そのデータを使用して、そのサロゲート モデルを使用してパラメータ スキャン、最適化、モンテカルロ シミュレーションを実行できます。物理ベースの方程式を直接解くよりも、計算にかかる時間がはるかに短くなります。そのため、設計に実際に役立つ実験やシミュレーションの迅速な反復の結果である効率と経済性を含め、この利点がさまざまな方法で得られることがわかります。

ある意味、デジタルツインを持つようなものですか?

カブ： その通り。物理システム モデルと実験データがあれば、それは人間が行うこととほとんど同じです。そして、この追加のモデルを調整したり、調整したり、さまざまなパラメーターや実験を試したりすることで、さまざまな状況をすべて網羅して、最終的により良い設計を思いつくことができます。

つまり、より効率的になり、先ほども言ったように、より安くなるということでしょうか？

カブ： はい、絶対に。特に実験や設計の段階では、さまざまなことを試します。実際に製造して生産する場合、これは明らかにコストの大幅な削減につながります。 [the chips]。実際にプロセスをエンジニアリングすることで、何もせずに可能な限りシミュレーション、テスト、実験を行いたいと考えています。

メリットについてお話しました。短所についてはどうでしょうか？

カブ： の [AI-based experimental models] 物理ベースのモデルほど正確ではない傾向があります。もちろん、これが多くのシミュレーションとパラメーター スイープを実行する理由です。しかし、それはこのデジタル ツインの利点でもあります。覚えておいていただきたいのは、このデジタル ツインは、私たちが何年にもわたって開発してきたこの正確なモデルほど正確ではないということです。

チップの設計と製造はどちらもシステム集約的です。あらゆる小さな部分を考慮する必要があります。そしてそれは本当に難しいことかもしれません。これは、何かとそのさまざまな部分を予測するためのモデルがあるかもしれないが、それでもすべてを統合する必要がある場合です。

他に考慮すべきことの 1 つは、モデルを構築するためにデータが必要であるということです。あらゆる種類のさまざまなセンサーやさまざまな種類のチームからのデータを組み合わせる必要があるため、課題が増大します。

エンジニアは人工知能を使用して、ハードウェアやセンサ​​ーのデータをより適切に準備し、洞察を抽出するにはどうすればよいでしょうか?

カブ： 私たちは常に AI を使用して何かを予測したり、ロボットのタスクを実行したりすることを考えていますが、AI を使用してパターンを考え出し、これまで自分では気づかなかった可能性のあるものを認識することもできます。さまざまなセンサーからの高周波データがある場合、人々は AI を使用します。多くの場合、周波数領域の調査や、データの同期やリサンプリングなどの作業に役立ちます。どこから始めればよいかわからない場合、これらは非常に困難になる可能性があります。

私が言えることの 1 つは、利用可能なツールを使用することです。これらのことに取り組んでいる人々の巨大なコミュニティがあり、たくさんの例を見つけることができます [of applications and techniques] GitHub や MATLAB Central では、人々が自分で作成した小さなアプリであっても、素晴らしい例を共有しています。私たちの多くはデータに埋もれていて、それをどう扱えばよいのかわからないと思います。そのため、コミュニティにすでに存在しているものをぜひ活用してください。自分にとって何が意味があるのか​​を探って確認し、ドメイン知識とツールや AI から得られる洞察のバランスをもたらすことができます。

エンジニアとデザイナーは何を考慮すべきか彼はAIを使ってチップを設計しているのでしょうか？

カブ： どのような問題を解決しようとしているのか、またはどのような洞察が得られると期待しているのかを考え、それを明確にするように努めてください。さまざまなコンポーネントをすべて検討し、それらのさまざまな部分をそれぞれ文書化してテストします。関係者全員のことを考慮し、チーム全体に論理的に説明し、伝えます。

人工知能はチップ設計者の仕事にどのような影響を与えると思いますか?

カブ： これにより、より高度なタスクに多くの人的資本が解放されることになります。人工知能を使用して無駄を削減し、材料を最適化し、デザインを最適化することはできますが、意思決定に関しては常に人間が関与する必要があります。これは人とテクノロジーが連携する素晴らしい例だと思います。また、この業界は、関係者全員 (生産現場であっても) が何が起こっているのかをある程度理解する必要がある業界でもあり、チップに実装する前に物事をテストする方法や考え方を考えると、AI の進歩に最適な業界でもあります。

AI とチップ設計の将来についてはどう思いますか?

カブ: それは実際に、プロセスへの人々の関与と、解釈可能なモデルを持つという、この人間的要素に依存します。モデルの数学的詳細を使用して多くのことができますが、最終的には、人々がそれをどのように使用するか、プロセスに参加する全員がそれをどのように理解し、適用するかにかかっています。このプロセスでは、コミュニケーションとあらゆるスキルレベルの人々の関与が非常に重要になります。こうした正確な予測は減り、情報の透明性、共有、デジタルツイン化がさらに進むでしょう。これには、AI だけでなく、人間の知識や多くの人々が長年にわたって行ってきたすべての作業が使用されます。