當 AI 遇上最前端的半導體、IC 設計,能夠調和出什麼新滋味?

目前國際的大型半導體事業如三星、Intel、高通都在找尋將 AI 設計系統導入半導體產製過程中的方法。就目前來說,AI 能夠有效減少 IC 設計中「重複程序」的部分,就經濟面來說如果成功落實,AI 將降低上億台幣的成本,並能有效提升生產率。

ANSYS 提出 KNN 演算法,讓 AI 自動檢查電流是否平均

而工業設計軟體商 ANSYS 就宣佈,研發出一個全新的機器學習演算法 KNN(K-Nearest-Neighbor’ to EM (Electro Migration)),該軟體解決方案,將可以確認 EDA(Electronic Design Automation)產品的電流是否平均。

在 IC 設計領域中,如果晶片的電路電流不平均,將造成部分線路超載的情況,容易讓晶片受損。而 KNN 應用了機器學習將可自動檢查電流是否平均,有效提升晶片的存活率,並降低許多人工成本。NVIDIA 的 GPU 晶片就利用了 KNN 來進行檢驗。

ANSYS 半導體部門的首席科技長 Norman Chang 也說道,AI 可以在不需人類幫忙的情況下,更精確、快速地找出晶片的問題所在,而許多半導體、IC 設計廠在 NVIDIA 成功利用 KNN 演算法的情況下,對於將機器學習應用於產製過程中提出高度的興趣。

其他廠商如 Cadence 專注於 IC 設計的軟體公司,也從 2013 年就開始應用融合機器學習的 IC 設計工具 Virtuoso,Cadence 宣稱 Virtuoso 不只能夠加速設計流程,也有事先預測問題的能力。

大廠們紛紛投入資金於學術單位,為的就是降低未來成本

而學術單位包含伊利諾大學、北卡大學、喬治亞理工學院也在去年共同成立了 CAEML(Center for Advanced Electronics through Machine Learning),要想辦法找出讓機器學習能夠更無縫融入 EDA 工具上的方法。CAEML 的成立也獲得了三星、Intel、NVIDIA、IBM 等大廠的投資。

而這些大廠之所以大量投入對類似 AI 領域的投資,最主要的原因並不是跟風,而是很實際的「成本問題」。小於 20 奈米以下的晶圓將會大幅提升成本,比起 20 奈米以上的設計,成本最高將會提升高達 15%。更別說 10、7、5 奈米製程所需提升的成本。

為了降低成本,導入 AI 降低人工輸出、找尋晶片最適合的零件與電路配置、研發適合 EDA 工具的演算法,都是大廠們汲汲營營所找尋的解決方法。

——

參考資料來源》

etnews:Semiconductor Businesses Look to Lower Their Production Costs through AI Design;TechNews:AI 打入 IC 設計!機器學習發威,壓低成本利器;圖片來源:Pixabay, CC Licensed。

延伸閱讀

聯發科的「盛與衰」:曾與高通、三星同台較勁,如今卻僅被兩家手機選用
華為晶片政策大甩尾讓台積電笑了,聯發科卻有苦說不出
直達聯發科、晨星門口撂陣!中國挖礦機龍頭 ,來台挖台灣工程師