Dirbtinio intelekto pagreitintas lustų projektavimas puslaidininkių pramonėje

Dirbtinis intelektas (DI) per kelerius metus iš nišinės technologijos tapo pagrindiniu puslaidininkių pramonės varikliu. Paradoksas: kad DI modeliai veiktų greitai, reikalingi itin sudėtingi lustai, o tam, kad šiuos lustus suprojektuotume laiku ir už priimtiną kainą, mums vėl reikia DI. Šis uždaras ciklas šiandien iš esmės keičia tai, kaip gimsta nauji procesoriai, GPU, AI akseleratoriai ir kiti integriniai grandynai.

Kodėl lustų projektavimui prireikė dirbtinio intelekto

Lustų projektavimas per pastaruosius dešimtmečius tapo nepaprastai sudėtingas. 3 nm, 2 nm ir planuojami dar smulkesni technologiniai procesai reiškia trilijonus tranzistorių viename luste. Tradiciniai metodai, paremti vien inžinierių patirtimi ir rankiniu optimizavimu, nebespėja su rinkos poreikiais.

Pagrindiniai iššūkiai, kuriuos bando spręsti DI:

• Milžiniškas dizaino sudėtingumas – šiuolaikinis SoC turi šimtus IP blokų ir milijardus jungčių.
• Laiko spaudimas – rinkoje dominuoja tie, kurie pirmi pristato naują kartą (time-to-market).
• Kaina – kiekvienas dizaino iteracijos kartojimas „per fabriką“ kainuoja milijonus.
• Klaidų rizika – klaida projekte po gamybos gali reikšti milijardinius nuostolius.

DI čia įsikiša kaip įrankis, padedantis automatizuoti, optimizuoti ir prognozuoti – nuo ankstyvų architektūros sprendimų iki fizinio išdėstymo gamyklos lygmeniu.

DI ir EDA: kaip keičiasi projektavimo įrankiai

Puslaidininkių pramonė remiasi EDA (Electronic Design Automation) įrankiais. Pastaruoju metu visi didieji žaidėjai – „Synopsys“, „Cadence“, „Siemens EDA“ ir nauji startuoliai – į savo produktus integruoja DI ir generatyvų DI.

Fizinis išdėstymas (placement & routing) su DI

Fizinis išdėstymas – tai procesas, kai logiškai suprojektuotas grandynas paverčiamas realiu tranzistorių ir jungčių išdėstymu kristale. Tai vienas brangiausių ir daugiausiai laiko reikalaujančių etapų.

DI čia taikomas keliuose lygmenyse:

• Sustiprintasis mokymasis (reinforcement learning) – agentai mokosi išdėstyti blokus taip, kad būtų sumažinti vėlinimai, energijos sąnaudos ir ploto naudojimas.
• Prognozavimo modeliai – anksti įvertina signalo integralumą, šiluminį pasiskirstymą ir galimas „karštąsias zonas“.
• Automatinis kompromisų paieškos valdymas – DI padeda rasti balansą tarp dažnio, energijos ir ploto (PPA – performance, power, area).

Rezultatas – mažiau iteracijų, trumpesnis uždarojo ciklo laikas ir didesnė tikimybė, kad pirmas bandymas bus sėkmingas.

Logikos sintezė ir optimizavimas

Logikos sintezė paverčia aukšto lygio aprašymą (pvz., Verilog ar VHDL) į vartų lygio schemą. DI čia naudojamas:

• Automatiniam kodo refaktoringui – generatyvus DI siūlo efektyvesnes RTL realizacijas.
• Greitam „kas būtų, jeigu“ vertinimui – modeliai numato, kaip architektūriniai pakeitimai paveiks vėlinimą ir energiją.
• Automatiniam „lintingui“ ir klaidų aptikimui – DI padeda rasti netipines, bet kritines logikos klaidas.

Verifikacija: DI kaip klaidų medžiotojas

Verifikacija istoriškai „suvalgo“ iki 70 % viso lustų projektavimo laiko. DI leidžia šį etapą žymiai pagreitinti:

• Generuojami testų rinkiniai – DI kuria netikėtus testavimo scenarijus, kurie sunkiai sugalvojami rankiniu būdu.
• Padengimo (coverage) optimizavimas – modeliai analizuoja, kurios dizaino dalys dar nėra pakankamai patikrintos.
• Automatinis klaidų klasifikavimas – sutrumpina laiką nuo klaidos aptikimo iki jos priežasties nustatymo.

Generatyvus DI: nuo architektūros idėjos iki RTL kodo

Generatyvus DI, kuris išpopuliarėjo su dideliais kalbos modeliais, vis aktyviau taikomas ir lustų projektavime. Čia jis atlieka ne tik „programuotojo asistento“, bet ir „architekto patarėjo“ vaidmenį.

Automatinis modulio kūrimas

Inžinierius gali aprašyti modulio funkciją natūralia kalba, o DI:

• pasiūlo RTL kodo šabloną (Verilog, SystemVerilog, VHDL),
• prideda tipinius testbench pavyzdžius,
• parengia dokumentacijos juodraštį.

Žinoma, toks kodas dar reikalauja peržiūros, tačiau jis smarkiai pagreitina pradines stadijas ir mažina „tuščio lapo“ efektą.

Architektūrinių sprendimų paieška

Generatyvus DI gali padėti lyginti alternatyvias architektūras:

• pateikti rekomendacijas dėl pipeline gylio,
• pasiūlyti atminties hierarchijos variantus,
• įvertinti, kur prasminga naudoti specializuotus akseleratorius (pvz., MAC blokus DI skaičiavimams).

Derinant tai su analitiniais modeliais ir EDA įrankių skaičiavimais, architektai gali greičiau priimti pagrįstus sprendimus.

Nauda puslaidininkių pramonei

Trumpesnis „time-to-market“

DI pagreitintas lustų projektavimas leidžia:

• sutrumpinti dizaino iteracijų skaičių,
• greičiau aptikti kritines klaidas,
• anksti įvertinti našumo ir energijos rodiklius.

Gamintojai, kurie pirmi pristato naują architektūrą, užsitikrina didžiausią pelno maržą ir rinkos dalį. DI tampa strateginiu pranašumu.

Mažesnė kaina ir rizika

Kiekviena nepavykusi lustų partija (tape-out) gali kainuoti dešimtis milijonų eurų. DI padeda:

• geriau prognozuoti gamybos derlių (yield),
• identifikuoti problemines dizaino vietas dar prieš gamybą,
• sumažinti brangių fizinių prototipų poreikį.

Mažesnė rizika reiškia, kad į rinką gali drąsiau ateiti ir mažesnės kompanijos bei startuoliai.

Geresnis našumas ir energijos efektyvumas

DI gali rasti optimizacijas, kurių žmogus tiesiog nepastebėtų dėl dizaino masto. Tai veda prie:

• aukštesnių darbo dažnių su tomis pačiomis ribomis,
• mažesnių energijos sąnaudų mobiliuosiuose ir duomenų centruose,
• mažesnio šilumos išskyrimo, supaprastinančio aušinimą.

Nauji verslo modeliai ir konkurencinė kova

DI keičia ne tik technologiją, bet ir verslo modelius puslaidininkių sektoriuje.

„AI-first“ lustų projektavimo įmonės

Atsiranda startuolių, kurie nuo pirmos dienos projektuoja lustus su DI pagalba ir kuria savo EDA įrankius. Jie orientuojasi į:

• siauras, bet pelningas nišas (pvz., DI akseleratoriai, RISC-V branduoliai),
• greitą prototipų kūrimą ir iteracijas,
• debesų pagrindu veikiančias projektavimo platformas.

Debesų pagrindu veikiantis EDA su DI

Tradiciniai EDA įrankiai dažnai yra brangūs ir reikalauja galingos vietinės infrastruktūros. Debesų sprendimai su DI leidžia:

• masteliuoti resursus pagal poreikį,
• naudoti centralizuotai treniruotus modelius,
• dalintis gerosiomis praktikomis tarp komandų ir projektų.

Tai atveria duris universitetams, mažesnėms inžinerinėms komandoms ir regioniniams gamintojams, įskaitant ir Baltijos šalis.

Iššūkiai ir rizikos: ne tik rožinis scenarijus

„Juodosios dėžės“ problema

DI modeliai dažnai veikia kaip juodosios dėžės – jie pateikia sprendimą, bet ne visada aišku, kodėl. Lustų projektavime tai jautru, nes:

• reikia galėti pagrįsti dizaino sprendimus klientams ir sertifikavimo institucijoms,
• saugumo ir patikimumo srityse būtinas aiškus įrodymas, kad nėra paslėptų klaidų ar „galinių durų“.

Todėl vis labiau akcentuojamas aiškinamas DI (XAI) ir formalių metodų derinimas su DI.

Duomenų kokybė ir intelektinė nuosavybė

DI modeliams reikia didelio kiekio dizaino duomenų. Tai kelia klausimus:

• kam priklauso treniravimui naudoti dizaino duomenys,
• kaip apsaugoti komercines paslaptis ir IP,
• kaip išvengti konfidencialios informacijos „nutekėjimo“ per modelių atsakymus.

EDA tiekėjai ir gamintojai kuria griežtus duomenų valdymo ir anonimizavimo mechanizmus, tačiau ši sritis vis dar aktyviai vystoma.

Kompetencijų spraga

Norint efektyviai naudoti DI lustų projektavime, reikia inžinierių, kurie suprastų ir puslaidininkius, ir DI metodus. Tokių specialistų trūksta visame pasaulyje, todėl:

• didėja investicijos į mokymus ir universitetines programas,
• atsiranda naujos pareigybės, pvz., „AI EDA architect“ ar „chip design data scientist“.

Kaip tam ruoštis Lietuvai ir Baltijos regionui

Nors Lietuva neturi didelių lustų gamyklų, regionas gali aktyviai dalyvauti DI pagreitinto projektavimo grandinėje:

• Švietimas – integruoti puslaidininkių ir DI kursus universitetuose, kurti jungtines programas.
• Startuoliai – orientuotis į nišinius EDA įrankius, verifikacijos automatizavimą, specializuotus IP blokus.
• Bendradarbiavimas – jungtis prie tarptautinių projektų, „open-source“ RISC-V ir DI akseleratorių ekosistemų.

DI pagreitintas lustų projektavimas – tai sritis, kurioje svarbiausias yra protas ir kūrybiškumas, o ne vien gamyklų dydis. Tai suteikia realią galimybę ir mažesnėms šalims.

Ateities kryptys: kas laukia po 2025 m.

Artimiausiais metais galima tikėtis kelių aiškių trendų:

• Pilnai autonomiški dizaino srautai – nuo specifikacijos iki gamybai paruošto dizaino su minimaliu žmogaus įsikišimu.
• „AI-on-AI“ optimizavimas – DI modeliai, specialiai kurti DI akseleratorių lustams optimizuoti.
• Atviros DI ir EDA ekosistemos – daugiau atvirojo kodo projektų, leidžiančių eksperimentuoti akademijai ir mažoms komandoms.
• Griežtesnis reguliavimas – standartai, kaip DI gali būti naudojamas kritinių sistemų lustų projektavime (automobiliai, medicina, gynyba).

DI ir puslaidininkiai tampa neatsiejami: DI kuria naujus lustus, o nauji lustai vėl įgalina dar galingesnį DI. Tai uždaras inovacijų ciklas, kurio greitis tik didės.

DUK: dirbtinis intelektas ir lustų projektavimas

Kaip konkrečiai DI sutrumpina lustų projektavimo laiką?

DI automatizuoja daug rankinių užduočių: fizinį išdėstymą, verifikacijos testų generavimą, klaidų analizę. Modeliai iš anksto prognozuoja našumą ir energijos sąnaudas, todėl reikia mažiau brangių iteracijų. Tai leidžia mėnesių darbą sutraukti į savaites ar net dienas, ypač ankstyvose projektavimo stadijose.

Ar DI gali visiškai pakeisti lustų inžinierius?

Artimiausiu metu – ne. DI veikia kaip galingas asistentas, kuris pagreitina rutiną ir pasiūlo netikėtų optimizacijų. Tačiau architektūriniai sprendimai, kompromisų supratimas, saugumo ir patikimumo vertinimas vis dar reikalauja patyrusių inžinierių. Greičiausiai atsiras nauji vaidmenys, derinantys DI ir projektavimo kompetencijas.

Ar mažos įmonės gali sau leisti DI pagreitintą lustų projektavimą?

Taip, ypač naudojant debesų pagrindu veikiančius EDA sprendimus su integruotu DI. Jie siūlo lankstų licencijavimą ir leidžia mokėti tik už faktiškai panaudotus resursus. Be to, atvirojo kodo įrankiai ir RISC-V ekosistema mažina įėjimo barjerą startuoliams ir akademinėms komandoms.