人們正在角逐如何在巨大的市場和應(yīng)用中應(yīng)用分析、數(shù)據(jù)挖掘和機器學(xué)習(xí)，而半導(dǎo)體設(shè)計和制造領(lǐng)域無疑是最有前景的一個領(lǐng)域。

　　AI正在改變芯片設(shè)計

　　機器學(xué)習(xí)/深度學(xué)習(xí)/人工智能(ML/DL/AI)的關(guān)鍵是了解設(shè)備如何對真實事件和刺激作出反應(yīng)，以及如何優(yōu)化未來設(shè)備。這需要篩選越來越多的數(shù)據(jù)，通過自動化來識別復(fù)雜模式、異常情況以及找到適當(dāng)?shù)奈恢谩?/p>

　　eSilicon營銷副總裁MikeGianfagna說，“我們收集的數(shù)據(jù)用來開發(fā)我們自己的方法。目前的存儲器，我們看的是設(shè)計、內(nèi)存以及對不同的內(nèi)存配置建模。你可以在它上面運行模型與真實應(yīng)用作比較。所以我們采用參數(shù)化的通用內(nèi)存模型并將其映射至實際內(nèi)存。我們也可以從之前的設(shè)計中看人力和時間表，還可以對計算資源和EDA許可做同樣的工作。如果你只有12000個CPU但需要24000個，那么你需要使用基于云的解決方案來實現(xiàn)。但那不會很快發(fā)生，你需要對此進行規(guī)劃，很大一部分是圍繞存儲器的。”

　　這只是縮短設(shè)計周期并基于經(jīng)驗減少潛在問題的一系列活動的開始。

　　Synopsys驗證組營銷副總裁MichaelSanie說，“整個行業(yè)正在學(xué)習(xí)如何使用人工智能和機器學(xué)習(xí)來構(gòu)建和調(diào)試系統(tǒng)。有許多關(guān)于何種堆棧可以用于AI算法的建模和模擬，這里的目標(biāo)是將人工智能用于工具以及其它地方。”

　　在很大程度上，這是對系統(tǒng)級設(shè)計和復(fù)雜程度的認識，即使這些工具需要其它工具的幫助。

　　Cadence的營銷總監(jiān)StevenLewis說，“現(xiàn)在，隨著EDA生態(tài)系統(tǒng)在機器學(xué)習(xí)方面的工作，我們正試圖弄清楚它如何能夠幫我們解決更大的驗證問題，整個問題就回歸到，‘這不是早期的10個晶體管’。我很贊同這點。構(gòu)成一個存儲器要10億個晶體管，那就需要知道如何布局，如何在物理層面布線。如何對這些電路執(zhí)行最最好的布局，如何放置這些組件?這一直是機器學(xué)習(xí)任務(wù)的一部分。然而我們不把它稱為機器學(xué)習(xí)，但它確實是我們試圖找出最佳方法的算法的一部分。

　　如果你可以處理特定的拓撲結(jié)構(gòu)，開始了解7nm晶體管的行為方式，那你就知道了大部分流程了，因此你可以更好地判斷什么時候開始放置它們，什么時候開始布局，什么時候開始分析。”

　　前段時間，芯片制造商開始推動六西格瑪設(shè)計(six-sigmadesigns)，但是一旦復(fù)雜到一定程度，達到要求的六西格瑪質(zhì)量所需的模擬開始花費大量時間時，他們就不再討論這種方案了。但隨著汽車制造商對無缺陷電子產(chǎn)品的需求，又掀起了關(guān)于六西格瑪?shù)挠懻摚诤侠淼臅r間內(nèi)實現(xiàn)這一目標(biāo)的唯一方法就是利用機器學(xué)習(xí)。

　　Lewis說，“通過機器學(xué)習(xí)，我們可以對晶體管的行為進行編程，因此從統(tǒng)計角度講，我不必進行1000萬次的模擬。我可以使用算法和機器學(xué)習(xí)技術(shù)來保持一定精度的條件下確定需要運行的最少模擬次數(shù)。如果我可以編程更多的算法，如果我可以對更多我進行的工作編程，那我就可以只收集這些數(shù)據(jù)的同時還保證工作的質(zhì)量。這就是機器學(xué)習(xí)可以幫助我們的地方。”

　　這一定程度上已經(jīng)在設(shè)計領(lǐng)域發(fā)生了，但它在未來會有更加顯著的使用。

　　ArterisIP的首席技術(shù)官TyGaribay說，“這項技術(shù)可以使你實現(xiàn)過去不能實現(xiàn)的事情。你可以通過這種技術(shù)來確定通孔位置。如果你無法證明某件事，你可以使用排除法。使用傳統(tǒng)的功能安全的形式，你可以放下兩件相同的事情，就像在汽車制動系統(tǒng)，發(fā)動機控制，安全氣囊控制系統(tǒng)那樣。但當(dāng)我們通過電線驅(qū)動時，通常是在你的汽車中創(chuàng)建一個服務(wù)器，將功能整合到系統(tǒng)中并通過電線進行通信。目前777型噴氣式飛機可以做到這一點，但是成本/功能差別很大。為了將它應(yīng)用于汽車，我們需要開發(fā)新技術(shù)并找到應(yīng)用它們的方法，取代過去已驗證但太貴且速度很慢的技術(shù)。”

　　大量的數(shù)據(jù)

　　這將需要篩選大量的數(shù)據(jù)。

　　NetSpeedSystems營銷和業(yè)務(wù)開發(fā)副總裁AnushMohandass說，“在硅谷，幾乎每個人都擅長獲取某種形式的數(shù)據(jù)。但真正厲害的人是那些經(jīng)歷完整鏈條的人，他們理解了從了解到行動的數(shù)據(jù)鏈。我們已將此放回到我們的設(shè)計環(huán)境和IP中。機器學(xué)習(xí)是其中的一個方面。”

　　Mohandass說，利用機器學(xué)習(xí)關(guān)鍵的一點就是挖掘第一手數(shù)據(jù)。“你使用的訓(xùn)練數(shù)據(jù)是什么?它有多大?它們之間有偏差嗎?你是否偏向于某種形式的設(shè)計或其它設(shè)計?我們花了大量時間讓我們的訓(xùn)練加快速度，沒有任何偏差。第二個方面是一量你獲得了數(shù)據(jù)，你如何將它深刻理解?第三是我們的機器學(xué)習(xí)環(huán)境，驅(qū)動力是什么?如何驅(qū)動客戶?

　　在生成數(shù)據(jù)時，尤其如果你輸入到了機器學(xué)習(xí)引擎時，數(shù)據(jù)量對于你來說會爆炸。你看的不是數(shù)百和數(shù)千行，而是數(shù)百萬行，因此，突然看到一百萬事物的圖表是沒有任何意義的，所以你試圖使它們聚集并觀察其趨勢。”

　　在數(shù)據(jù)挖掘的情況下，機器學(xué)習(xí)的一個非常實際的用途是搜索異常。

　　UltraSoC首席執(zhí)行官RupertBaines表示，“我們已經(jīng)完成了很多本地工作，所以呈現(xiàn)的結(jié)果價值很高，內(nèi)容很好。現(xiàn)在大多數(shù)情況下，這意味著一位工程師正在看它、閱讀并繪制它。在某個時候，她會說，'看起來很奇怪'，并且會運行一些腳本來試圖找出它看起來很古怪的原因。”