Comment l’IA va changer la conception des puces

La fin de la loi de Moore est imminente. Les ingénieurs et les concepteurs ne peuvent pas faire grand-chose pour miniaturiser les transistors et emballez-en autant que possible dans des puces. Ils se tournent donc vers d’autres approches de conception de puces, en incorporant des technologies comme l’IA dans le processus.

Samsung, par exemple, est ajouter de l’IA à ses puces mémoire pour permettre le traitement en mémoire, économisant ainsi de l’énergie et accélérant l’apprentissage automatique. En parlant de vitesse, la puce TPU V4 AI de Google a doublé sa puissance de traitement par rapport à celui de sa version précédente.

Mais l’IA recèle encore plus de promesses et de potentiel pour l’industrie des semi-conducteurs. Pour mieux comprendre comment l’IA est sur le point de révolutionner la conception des puces, nous avons discuté avec Heather Gorrchef de produit senior pour MathWorks‘ Plate-forme MATLAB.

Comment l’IA est-elle actuellement utilisée pour concevoir la prochaine génération de puces ?

Heather Gorr : L’IA est une technologie si importante car elle est impliquée dans la plupart des étapes du cycle, y compris le processus de conception et de fabrication. Il y a beaucoup d’applications importantes ici, même dans l’ingénierie générale des procédés où nous voulons optimiser les choses. Je pense que la détection des défauts est importante à toutes les phases du processus, en particulier dans la fabrication. Mais même en pensant à l’avance dans le processus de conception, [AI now plays a significant role] lorsque vous concevez la lumière et les capteurs et tous les différents composants. Il y a beaucoup de détection d’anomalies et d’atténuation des pannes que vous voulez vraiment prendre en compte.

Heather GorrMathWorks

Ensuite, en pensant à la modélisation logistique que vous voyez dans n’importe quelle industrie, il y a toujours des temps d’arrêt planifiés que vous souhaitez atténuer ; mais vous finissez également par avoir des temps d’arrêt imprévus. Donc, en regardant ces données historiques sur les moments où vous avez eu ces moments où il a peut-être fallu un peu plus de temps que prévu pour fabriquer quelque chose, vous pouvez jeter un œil à toutes ces données et utiliser l’IA pour essayer d’identifier la cause immédiate ou pour voir quelque chose qui pourrait sauter même dans les phases de traitement et de conception. Nous considérons souvent l’IA comme un outil prédictif ou comme un robot faisant quelque chose, mais souvent, vous obtenez beaucoup d’informations à partir des données via l’IA.

Quels sont les avantages de l’utilisation de l’IA pour la conception de puces ?

Görr : Historiquement, nous avons vu beaucoup de modélisation basée sur la physique, qui est un processus très intensif. Nous voulons faire un modèle de commande réduit, où au lieu de résoudre un modèle aussi coûteux et étendu en termes de calculs, nous pouvons faire quelque chose d’un peu moins cher. Vous pourriez créer un modèle de substitution, pour ainsi dire, de ce modèle basé sur la physique, utiliser les données, puis faire votre balayages de paramètresvos optimisations, vos Simulations de Monte-Carlo en utilisant le modèle de substitution. Cela prend beaucoup moins de temps de calcul que de résoudre directement les équations basées sur la physique. Nous constatons donc cet avantage à bien des égards, y compris l’efficacité et l’économie qui sont les résultats d’une itération rapide sur les expériences et les simulations qui aideront vraiment à la conception.

C’est comme avoir un jumeau numérique dans un sens ?

Görr : Exactement. C’est à peu près ce que font les gens, où vous avez le modèle de système physique et les données expérimentales. Ensuite, en conjonction, vous avez cet autre modèle que vous pouvez modifier et ajuster et essayer différents paramètres et expériences qui permettent de balayer toutes ces différentes situations et de proposer une meilleure conception à la fin.

Alors, ça va être plus efficace et, comme vous l’avez dit, moins cher ?

Görr : Ouais absolument. Surtout dans les phases d’expérimentation et de conception, où vous essayez différentes choses. Cela va évidemment générer des économies considérables si vous fabriquez et produisez réellement [the chips]. Vous voulez simuler, tester, expérimenter autant que possible sans faire quelque chose en utilisant le génie des procédés réel.

Nous avons parlé des avantages. Qu’en est-il des inconvénients?

Görr : La [AI-based experimental models] ont tendance à ne pas être aussi précis que les modèles basés sur la physique. Bien sûr, c’est pourquoi vous effectuez de nombreuses simulations et balayages de paramètres. Mais c’est aussi l’avantage d’avoir ce jumeau numérique, où vous pouvez garder cela à l’esprit – il ne sera pas aussi précis que ce modèle précis que nous avons développé au fil des ans.

La conception et la fabrication des puces nécessitent un système intensif ; vous devez considérer chaque petite partie. Et cela peut être vraiment difficile. C’est un cas où vous pourriez avoir des modèles pour prédire quelque chose et différentes parties de celui-ci, mais vous devez toujours tout rassembler.

Une autre chose à laquelle il faut penser est que vous avez besoin des données pour construire les modèles. Vous devez incorporer des données provenant de toutes sortes de capteurs différents et de différentes sortes d’équipes, ce qui augmente le défi.

Comment les ingénieurs peuvent-ils utiliser l’IA pour mieux préparer et extraire des informations à partir de données matérielles ou de capteurs ?

Görr : Nous pensons toujours à utiliser l’IA pour prédire quelque chose ou effectuer une tâche de robot, mais vous pouvez utiliser l’IA pour créer des modèles et sélectionner vous-même des choses que vous n’auriez peut-être pas remarquées auparavant. Les gens utiliseront l’IA lorsqu’ils auront des données haute fréquence provenant de nombreux capteurs différents, et il est souvent utile d’explorer le domaine fréquentiel et des choses comme la synchronisation ou le rééchantillonnage des données. Ceux-ci peuvent être très difficiles si vous ne savez pas par où commencer.

L’une des choses que je dirais, c’est d’utiliser les outils disponibles. Il existe une vaste communauté de personnes travaillant sur ces choses, et vous pouvez trouver de nombreux exemples [of applications and techniques] sur GitHub ou Centre MATLAB, où les gens ont partagé de beaux exemples, même de petites applications qu’ils ont créées. Je pense que beaucoup d’entre nous sont enterrés dans les données et ne savent tout simplement pas quoi en faire, alors profitez certainement de ce qui existe déjà dans la communauté. Vous pouvez explorer et voir ce qui a du sens pour vous, et apporter cet équilibre entre les connaissances du domaine et les informations que vous obtenez des outils et de l’IA.

Que devraient considérer les ingénieurs et les concepteursfr utiliser l’IA pour la conception de puces ?

Görr : Réfléchissez aux problèmes que vous essayez de résoudre ou aux idées que vous pourriez espérer trouver, et essayez d’être clair à ce sujet. Considérez tous les différents composants, documentez et testez chacune de ces différentes parties. Considérez toutes les personnes impliquées, et expliquez et transmettez d’une manière qui soit sensée pour toute l’équipe.

Comment pensez-vous que l’IA affectera le travail des concepteurs de puces ?

Görr : Cela va libérer beaucoup de capital humain pour des tâches plus avancées. Nous pouvons utiliser l’IA pour réduire les déchets, optimiser les matériaux, optimiser la conception, mais vous avez toujours cet humain impliqué chaque fois qu’il s’agit de prendre des décisions. Je pense que c’est un excellent exemple de collaboration entre les gens et la technologie. C’est aussi une industrie où toutes les personnes impliquées – même dans l’atelier de fabrication – doivent avoir un certain niveau de compréhension de ce qui se passe, c’est donc une excellente industrie pour faire progresser l’IA en raison de la façon dont nous testons les choses et dont nous y pensons avant de mettre eux sur la puce.

Comment envisagez-vous l’avenir de l’IA et de la conception de puces ?

Gor: Cela dépend beaucoup de cet élément humain — impliquer les gens dans le processus et avoir ce modèle interprétable. Nous pouvons faire beaucoup de choses avec les détails mathématiques de la modélisation, mais cela dépend de la façon dont les gens l’utilisent, de la façon dont tout le monde dans le processus la comprend et l’applique. La communication et l’implication de personnes de tous niveaux de compétence dans le processus vont être très importantes. Nous allons voir moins de ces prédictions super précises et plus de transparence des informations, du partage et de ce jumeau numérique, non seulement en utilisant l’IA, mais aussi en utilisant nos connaissances humaines et tout le travail que de nombreuses personnes ont fait au fil des ans.