账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
人工智慧正在改变EDA的设计流程
机器学习的使用与电子元件资料的数位化

【作者: 籃貫銘、吳雅婷】2019年09月10日 星期二

浏览人次:【6499】

在电子设计自动化(EDA)出现之前,工程师得仰赖个人敏捷的思考和灵巧的双手,将电子设计的布局绘制在纸上。所以可以想像,这样的流程会有多缓慢又存在着人为的错误。


因此EDA出现后,就让电子设计的速度大增,同时透过电脑的模拟与验证,大幅减少人为的错误,让电子元件的生产制造成本再往下降,电子系统与半导体设计也从此进入了全新的年代。所以EDA可说是现代科技发展的重要推手。


EDA除了让电子设计有了飞跃式的成长之外,另一个重要的贡献就是为电子设计的数位化奠下了基石。而在这个基础上,电子设计打破了传统的流程疆界,并让更多的创新成为可能。如今,人工智慧也正站在数位化的基础,强化甚至重塑了EDA技术的风貌。


机器学习提升晶片设计性能 带来更佳运算力

就如同每个年代都会有一个代表性的科技,在80年代是PC,90年代则是网际网路,2000年则有笔记型电脑,但到了2010年之后,智慧手机开始君临天下。然而2020年以后,将会是数据为核心的人工智慧。


然而人工智慧的影响是全面性的,不仅会对一般民众的生活带来影响,同时也会冲击各种工业与商业的活动,电子产业当然也在其中。


人工智慧对电子产业最直接的影响,就是提升了对于储存与运算的需求,进一步扩大了半导体产业的市场,再者,人工智慧也带来了新的演算架构,因此终端的系统设计也有了新的形态。如何把人工智慧的功能快速的带进系统中,就能为相关半导体方案供应商和系统业者亟欲突破的环节。


当然,目前要达到人工智慧的等级仍需要一段时间,但具备自我学习能力的机器学习(Machine Learning)技术,已经能够大幅推升EDA在半导体设计上的性能,而其中最主要的应用领域就是在设计的验证上。


以益华电脑(Cadence)为例,这家EDA大厂很早就看到人工智慧的应用潜力,因此早早着手相关的布局,现在更实际的把机器学习技术运用在自身的EDA解决方案中。


益华电脑数位签核事业群资深副总裁暨总经理Chin-Chi Teng博士,就在其年度使用者大会(CDN LIVE 2019)上指出,益华已把ML技术全面运用在其流程中,在内部设计流程中,ML能带来更好的PPA(Performance, Power, Area)和更佳的运算引擎;对外,可以提高生产力,并把设计流程自动化。


以联发科为例,他们透过使用具备ML技术的设计工具,并运用在其处理器晶片的开发中,依据联发科的说法,透过使用ML技术,其晶片的TNS改善了36%,一些更大型的晶片设计还能改善80%。 (图一)



图一 : 机器学习导入晶片设计的流程示意。
图一 : 机器学习导入晶片设计的流程示意。

这个应用的基本原理就是透过使用ML技术,来让模型(Model)所预测的结果更接近真实的状况,进一步改善晶片设计的效能。


而对于需要把ML技术带进产品设计中的客户,益华也提供了ML的运算引擎IP解决方案,让客户可以快速的将ML的演算法放入晶片的设计中,加快人工智慧应用的实现。此外,益华也针对ML的系统架构需要,优化了软硬体的共同设计。


电子设计自动化升级:走向智慧化

作为半导体产业的上游,电子设计自动化的发展对半导体制程的效率和产能有决定性的影响。整体来说,未来市场对半导体设计的要求,在布局、绕线和功能设计方面趋向复杂化,在效能和产品上市时间方面则以快速化为目标。


一方面,随着半导体技术节点持续以摩尔定律为指标升级微缩技术,小至电晶体、裸晶,大至系统级封装(system in package,SiP)、PCB电路板,半导体产品的功能性越来越多元,同时也转以特殊应用为导向,电子设计势必要整合具备更多功能零组件的资料库,也要在个别零组件的设计选项中展现客制化的独立性。


另一方面,半导体制程复杂且耗费巨资,电子设计的完成势必代表着半导体的产品设计已进行一系列全方位的模拟、分析和验证,确保其在产品性能、生产良率和成本上的经济效益。因此,竞争厂商谁能占得产品上市先机,完成电子设计繁杂程序的效率影响甚巨。


电子设计的效率以结果品质(Quality of Results,QoR)和结果效率(Time to Results,TTR)两个面向来判断。而人工智慧演算法的强项,便在于利用大数据中有效的资讯进行训练,进而快速地运算出结果,将之应用在电子设计自动化系统中,则可以提供设计人员在数据量和运算时间上的优势。有鉴于此,电子设计自动化正迈向智慧化。


电子设计自动化软体及工程服务大厂益华电脑(Cadence),2018年7月宣布该公司被美国国防高等研究计划署(DARPA)选中加入「电子复兴计画」(Electronics Resurgence Initiative,ERI),此项计画分为结构(Architectures)、设计(Designs)、材料与元件整合(Materials & Integration)三个项目,益华电脑参与的是「设计」项目的「电子装置的智慧设计」(Intelligent Design of Electronic Assets,IDEA)。 (图二)



图二 : 益华电脑(Cadence)的组织架构。
图二 : 益华电脑(Cadence)的组织架构。

为完成这项政府计画,益华电脑联合卡内基.梅隆大学(CMU)和辉达(NVIDIA)成立了为期四年的MAGESTIC计画,旨在运用先进的机器学习技术发展出适用于系统单晶片(system on chip,SoC)、系统级封装和PCB电路板的整合平台,建立智慧化且全面整合的设计流程。


然而,电子设计自动化平台包罗万象,要将人工智慧技术应用于此,所需的研发时间暂时还不会太迅速。从益华电脑的组织架构就可以发现电子设计自动化平台的复杂性,该公司根据电子设计的流程建立了四大团队:负责前端设计和签核验证的数位设计群(Digital Group,DSG)、执掌客制晶片、封装和PCB电路板设计的客制设计群(Custom Group,CPG)、提供进阶验证解决方案和验证IP(Verification IP,VIP)的验证群(Verification Group,SVG)、管理矽智财的IP群(IP Group,IPG)。


而为了建立智慧化电子设计平台,目前益华电脑已推出结合人工智慧技术的处理器IP—DNA 100,将神经网路内建在终端装置上(on-device AI),并将以目标函数区别的优化神经网路函数应用在卷积层和非卷积层,与其他具相同乘法累加计算(multiplier-accumulator,MAC)阵列规模的解决方案相比,其性能最高可提升4.7倍。


至于人工智慧在电子设计自动化平台的其他应用,除了像是益华的DNA 100等IP相关应用之外,在验证和模拟方面也颇具潜力。


在今(2019)年6月的美国全球设计自动化研讨会(DAC)上,辉达特殊应用和超大积体电路(ASIC & VLSI)研究团队的负责人Brucek Khailany表示,人工智慧或机器学习的EDA应用绝非一时热潮,虽然现阶段的发展还未成熟,但这些应用将来都会实现。


Brucek Khailany提出三种潜在的应用场景:第一、解决解析解(analytical solution)难以解决的问题,例如:布局时利用机器学习撷取特征(feature),相较于根据历史资料分析的传统启发式方法,这更能预测出布局后遇到设计规格检查(design rule checking,DRC)的机率。第二、进行近似模拟的解决方案,这将比进行现有的模拟还要省时。第三、机器学习推理(inference)取代启发法(heuristics),设计者不需手动编程,人工智慧模型的运算结果自动传送至设计工具。


EDA的问世固然开启了电子设计数位化的新时代,但其实仍有一些环节非常不智慧,仰赖传统的人工输入来完成,就是系统电子零组件资料库的输入与管理。


人工智慧建置电子元件资料库 加速系统开发时程

目前,电子系统商如果要开发新产品,一定会使用EDA工具和CAD软体来进行系统的设计规划与零组件的配置,但在这个过程中所需要的元件资料,都需要仰赖人工来输入,才能够产生数位的元件资料库,过程不仅费时,更大的妨害是增加了整体的营运成本,也是目前电子设计的一大罩门。


然而随着云端技术与人工智慧应用的与时俱进,现在这个关卡已经开始有了突破的可能性。一家台湾的EDA新创公司富比库(Footprintku)就透过AI的技术结合云端平台,让电子零组件的数位化有了全新的视野,不过这条路仍很漫长。


富比库创办人黄以建指出,EDA产业这30年来几乎没有什么改变,一直维持相同的商业模式与流程。但富比库是一家卖content和data的公司,并希望能够朝共享经济的模式发展,所以跟传统EDA卖工具是完全不一样的思维,两者要能产生新火花仍需要一段时间。 (图三)



图三 : 富比库创办人黄以建(中),共同创办人兼执行长陈怡婷(右),富比库共同创办人吴忠洋(Chico Wu)。 (摄影/篮贯铭)
图三 : 富比库创办人黄以建(中),共同创办人兼执行长陈怡婷(右),富比库共同创办人吴忠洋(Chico Wu)。 (摄影/篮贯铭)

「主要的原因是EDA业者仍不了解富比库所采用的模式的好处」黄以建说道。


他解释。富比库并不销售套装的工具软体,而是直接提供使用者所需的元件数位内容和资料,因此免除了安装、学习和管理工具的负担,能够大幅减轻装置开发所需要的时间和成本。


「这就好像你需要经过ABCD的过程才能到E,但富比库是直接给你E。」黄以建举例说。但他也强调,富比库跟EDA业者并不是竞争关系,而且还能有合作的空间,因为他们的数位化技术是能够与EDA的生态系相结合,让彼此更好。


电子元件数位化产业标准仍待建立

目前,富比库也正在推动电子元件资料数位化产业标准的工作,期望透过建立一个通用的元件数位化标准的模式,来进一步加速电子系统开发的时程,让更多的创新得以实现。依据富比库的预估,这个作业至少还要花费5年的时间才会有所成果。


而在这个标准实现之前,富比库透过其专利的AI引擎,把非常繁琐复杂的元件资料转为可供系统设计使用的数位资料。这个创见则是来自于富比库共同创办人兼执行长陈怡婷,她本身就是学人工智慧演算法起家,透过观察元件的技术文件并从中发现固定的模式,让大规模的元件资料数位化成为可能。


「在AI之前是Data」陈怡婷斩钉截铁的说。


她指出,要实现AI必须要先有很多的数据,而富比库目前就透过其独家的技术把过去30年电子设计产业难以突破环节打开,让电子元件的资料可以快速的数位化,甚至可以产生PCB的Footprint和3D的模型,让设计者运用。 (图四)



图四 : 富比库的数位元件资料建置方案。(资料提供:富比库)
图四 : 富比库的数位元件资料建置方案。(资料提供:富比库)

而有了数位化的资料之外,后续的设计最佳化和生产最佳化也都成为可能,进而刺激产业产生新的设计模式和创新的产品。


「过去至少需要2小时来做元件数据的输入,现在我们只需要5秒就解决了」陈怡婷说。


目前富比库正积极与不同规模的系统公司合作,将其运用AI与云端平台的新型态自动化设计流程导入行业的产品开发中,未来也会评估进入零组件与半导体的设计领域。


而富比库也相信,AI只是一个手段,目标是让工具更贴近设计的实际需求,并不是要取代人,重点都在如何改变产业的生产模式,让产业可以更好。


相关文章
开启边缘智能新时代 ST引领AI开发潮流
NVIDIA人工智慧专家看2024年
你的下一个运动教练可能是人工智慧
EDA的AI进化论
人工智慧:晶片设计工程师的神队友
comments powered by Disqus
相关讨论
  相关新闻
» 意法半导体突破20奈米技术屏障 提升新一代微控制器成本竞争力
» Pure Storage携手NVIDIA加快企业AI导入 以满足日益成长的需求
» ROHM推SOT23封装小型节能DC-DC转换器IC 助电源小型化
» 意法半导体先进高性能无线微控制器 符合将推出的网路安全保护法规
» ST推先进超低功耗STM32微控制器 布局工业、医疗、智慧量表和消费电子市场


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83TBPVHE2STACUKC
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw