人工智能在芯片设计变得更加突出

半导体工程坐下来讨论人工智能的作用在管理数据和改进设计,和它的寻路中发挥的作用日益重要,防止沉默数据损坏,迈克尔·杰克逊,公司研发副总裁节奏;副总裁Joel萨姆纳半导体和电子工程在国家仪器;元恩典,产品和工程经理大卫锅,电子和计算机工程系教授德克萨斯大学奥斯汀分校。下面摘录的谈话,在现场观众面前DesignCon举行。本文的第一部分在这里。

SE:所有人所有事都是这些天收集大量的数据。我们在哪里存储它,多长时间?我们如何确定相关的是什么?

萨姆纳:我们看到AI应用首先是地方确实有非常大的和可靠的数据存储。幸运的是,半导体生产测试基础设施运行标准格式,所以你可以把它放到这些真正大规模数据库具有良好的标签,这是什么是过去,什么是失败。给我们一个跳板的研究这些东西,和使用这些证明一点,因为它有很多其他行业的适用性进行验证或任何自动化。但这些数据存储不存在于一个标准的方式在今天很多地方。它确实存在就是我们看到采用。

SE:所有数据会存储在一个地方吗?未来将如何使用这些数据?

萨姆纳:它是分布式的原因。一个是这只是实用。第二,不涉及客户数据。所以你不一定能删除一切。例如,我们正在运行的人工智能算法在多个位置设计链。我们在云中运行它们,但也接近数据获得。这需要分布式的数据。但与此同时,您真正需要的所有数据,你想看看为了火车模型在一个方便的地方。

锅你可以使用这些数据来帮助你做出更好的决策。例如,我们可以产生成千上万的或不同的布局,然后做仿真,提取和最后的布局。互补的设计专家。

杰克逊:从EDA的角度来看,创建新数据通常可以通过交换或随机创建布局。所以您可以创建综合问题,这可能是另一个来源的数据。这是EDA的优势之一。

SE:给定的体积数据,所有这一切是在云中,还是会做本地?我们谈论的是更大的数据集,这需要更多的计算能力。

杰克逊:将取决于该公司。我与印刷电路板设计和我们合作做一些处理人工智能,和有很多的云计算能力,使得人工智能。小公司可能与保持好他们的数据在云中,但大公司要想运行它自己的私有云。

锅:数据隐私绝对是一个大问题。这是机器学习的一个重要领域。但是你不需要通过您的数据。你可以加密,然后做同态计算。安全的计算是一个新兴的研究领域。没有共享数据,您仍然可以检查它。

余:这取决于我们谈论什么样的数据。我们有一个非常严格的客户隐私政策。只有那些需要访问这些数据能做到这一点。每个员工连接元经过年度培训数据隐私。设计数据,这取决于项目。一些数据存储在本地服务器上,我们为大数据访问,利用云计算和仿真和验证。这是个案。

SE:随着硬件老化,人工智能的行为如何影响?

萨姆纳:老化时,重要的是你谈论人工智能运行的环境。它不是我们看到年龄的算法。训练数据。所以你训练一组特定的制造业数据,和制造业数据来自一个特定的制造环境。然后,随着时间的推移,事情漂移。你会看到两种情况之一。一个是整个系统漂移,因此人工智能检测,因为整个系统已经足够远从它最初的训练数据,它需要重新培训。第二个情况就是一些设备通过不同的东西比任何见过的算法已经说,“等等,等等,我不是最好的答案。现在我需要咨询人因为这只是太远。“那些都是系统中衰减的例子。不断刷新是必要的。

杰克逊:我同意。不断的再培训来解决老龄化是必要的。但随着软件是暴露在越来越大的训练集,它也发展和变得更有效。

锅:从头再培训可以非常昂贵。相反,你可以转移学习。例如,几年前我们做了一些工作热点检测。当你发现你在14 nm和迁移到7海里,你不必从头开始。您可以使用一个原始机器学习架构,但是你可以从中间开始。

SE:今天的一大问题是沉默的数据腐败,这是由于硬件缺陷。可以通过使用人工智能的系统和识别我们跟踪这个问题,确切的原因吗?

余:AI是像任何其他的工具。它不是完美的。但是,避免这些问题的方法是人类在循环经常做验证测试,可能使用一个已知场景运行人工智能和计算机是否得到预期的结果。使用这样的简单的方法可以识别问题,识别不匹配,并深入了解这些地区。工程师并不完美,AI并不完美。不断改善你必须仔细检查和交叉检查经常来避免这类问题。

杰克逊:我们大力投资在整个地区的验证与加速或协助的人设计,这些设计和功能的调试问题。我们肯定认为这是一种甜点,我们把大量的能量输送到人工智能。

SE:是在设计阶段完成,还是在整个生命周期的芯片吗?

杰克逊:在某种程度上,它的生命周期的筹码。它的测试、部署和调试的问题

萨姆纳:这项技术适用于那些需要详尽的人们所有的投入和图的东西,并且能够做到删除很多平凡但困难的工作。最终的目标是让你可以晚上回家,早上回来,得到的一份报告说,“我已经通过g,或者更多,数据,这是你应该的地方。我不是说有一个问题,但可能会有,所以看一看。这是在大海捞针地从问题和把他们变成集中努力最终如何处理你的产品的问题。它还可以应用到我们如何使我们的算法更值得信赖,创建一个我可以依靠的感觉这个东西,因为它是经过测试,我知道这是来自有信誉的来源。

锅:有正式的方法来验证和仿真。最终,我们需要良好的覆盖。理想情况下,我们希望能够识别那些奇怪的故障导致沉默在过程的早期数据损坏。今天,是一个非常活跃的研究课题。

相关阅读
人工智能:工程工具或威胁工作吗?上面的第1部分圆桌会议。
AI有时比别人工作;当没有足够的好的数据的时候会发生什么?
芯片工程师计划如何使用人工智能吗(3以上的第3部分讨论)
检查、平衡和未知数AI /毫升的半导体的设计。
利用芯片数据来提高生产力
收集、分析和利用数据可以支付巨额福利设计效率,可靠性和产量。