生成人工智能在EDA工具可以提高设计空间探索。
生成人工智能已经成为一个著名的和通用的解决方案在各种领域,包括芯片和系统开发。其进展和影响已经超过许多其他技术进步,大大受益许多地区。在半导体行业,EDA工具生成人工智能已经确定他们的位置,提供无与伦比的优化能力。这些工具使芯片和系统开发团队力量,达到显著改善性能和面积。此外,它们有助于提高工程效率和加快设计关闭流程。
CadenceLIVE硅谷2023会议,会议在人工智能和大数据分析获得了大量关注。在流行的会话中,生成AI小组讨论许多与会者站成为一大亮点。小组,由Bob O ' donnell TECHnalysis研究特色小组成员如下:
专家组认为生殖的集成人工智能产生的影响转化为电子设计自动化(EDA)工具和图形芯片设计的景观。
简要介绍与每个参与者设置阶段,鲍勃发起小组讨论与他的第一个问题:
”是这些工具生成人工智能功能的增加会改变我们如何设计芯片,以及如何?”
罗伯是第一个回应,声称这是肯定会改变。他和他的团队正在利用生成人工智能在传统的内线领域,提高设计和规划将它们集成到设计技术和共同改进策略。
他们认识到重要的前景与应用程序关联的生成增加设计的人工智能。目前,他们使用这种技术在传统的内线域增强已有的设计,尽管他们还没有深入挖掘其潜在的勘探空间。他们打算建立一个基线,随后确定区域工程师可能会忽视。然而,他们承认工程开始时输入的不可或缺。他在总结他的言论表示他们期待利用co-optimizing设计中的潜在利用人工智能技术策略,尤其是在人类输入受限情况。
Prabal评论说,今天,较少关注设计空间探索和建筑探索由于下游耗时的过程。不过,他说,“如果我们能加速这些任务工具的帮助下,我们可以有更多的创造性探索在前端。“固有的挑战在于嵌入式综合问题,这需要推理和表达能力不仅包括RTO目标(需求)而且时间,关闭,权力,和网络延迟。
编码这些表示授权加速系统设计前端,导致大量的时间节省系统设计师会花相当多的时间搜索目录组件和决定如何重用以前的设计。Prabal和他的团队将这个概念进一步通过自动化的设计空间探索和合成过程,同时仍然允许交互调整。他认为他的评论,“非凡的进步发生在这一领域,提供许多有趣的可能性。”
保罗说:“这个问题的答案是“是”和“不是”。“他认为AI不能消除构件和成分设计的过程中,地方和路线,逻辑模拟和空间模拟。但保罗是对人工智能使行业解决大量的人工交互伴随这些构建块。在现实中,这些基本组件需要大量人力的参与,是否调试或进行多个运行微调。
总裁兼首席执行官保罗引用节奏学历Devgan主旨,AI允许我们重新定义EDA。节奏的目标是提高抽象层次的设计师和工程师可以参与我们的软件,从而显著提高生产力和效率的数量级。保罗认为投资无数年后,半导体行业将反映了深刻的转型和承认我们的交互方法,建筑,和芯片的验证。毫无疑问,整个过程都发生了明显的变化。
克里斯相信生成AI将实质性的影响,尽管不均匀,由于其概率性质。他预见不同的类别内的新兴设计空间探索和验证套件的一代。这一类将包括对设计过程进行抽象和概括,偏离的渴望在设计规则检查明确的答案,连通性检查,或者逻辑评估。克里斯预计,该算法将受益更多的概率是有利的地区,允许更快的利用率。相反,它可能不太有利的地区概率提出了挑战。
伊戈尔加入了“是”和“不是”营地,让两个点来支持他的推理。首先,目前的文本和图像生成人工智能技术并不完全可靠,需要验证。他强调这一代生成人工智能的技术上的限制,提供的一个例子ChatGPT进行算术计算代表数字的空间浮动点和发送通过层。伊戈尔表示,内线的应用程序依赖于浮点操作可能面临的困难在未来几年内由于这些限制。
此外,他表示担忧关于工作记忆的缺乏在这些模型中,有一个小的I / O缓冲区的大约64 kb,每次都刷新输入发送。这导致最小的学习和技能收购,使它具有挑战性与优化工具。然而,伊戈尔承认,这些模型在更高的抽象层次和excel善于语言处理,使他们有价值的领域中人类是竞争。
我让你认为鲍勃共享:
“如果ChatGPT幻想某个事实,你可以检查它,你可能会好的。但如果ChatGPT等效电路的不同元素,幻象,表面上可能是一个大,一个更大的问题。”
如果你错过了这个机会参加AI小组讨论在2023年美洲CadenceLIVE,别担心。你可以注册在CadenceLIVE点播的网站看它和所有其他演示。
|
|
|
|
|
|
|
|
|
|
留下一个回复