業(yè)界供應(yīng)商和研究人員最近在將機(jī)器學(xué)習(xí)應(yīng)用于棘手的芯片設(shè)計(jì)問題方面取得了重大的進(jìn)展。從今年DesignCon大會(huì)上的一場(chǎng)專題討論就可看出，在電子設(shè)計(jì)自動(dòng)化（EDA）方面使用人工智能（AI）是目前十分熱門的主題，不僅在本屆大會(huì)上有多篇相關(guān)論文發(fā)表，專題討論時(shí)也吸引眾多與會(huì)者，現(xiàn)場(chǎng)座無(wú)虛席。

過去一年來，機(jī)器學(xué)習(xí)實(shí)現(xiàn)先進(jìn)電子研究中心（CAEML）又增加了四家新的合作伙伴。這個(gè)由13家業(yè)界成員和3所大學(xué)共同組成的研究團(tuán)隊(duì)，目前正持續(xù)擴(kuò)大其工作的廣度和深度。

惠與科技（Hewlett-Packard Enterprise；HPE）杰出技術(shù)專家兼CAEML成員Christopher Cheng說：「去年，我們主要關(guān)注于訊號(hào)完整性和電源完整性，而在今年，我們將產(chǎn)品組合劃分為系統(tǒng)分析、芯片布局和可信任的平臺(tái)設(shè)計(jì)，讓研究的多樣性取得了最大的進(jìn)展?！?/p>

北卡羅來納州立大學(xué)（NC State University）杰出教授Paul Franzon表示：「貝葉斯（Bayesian）最佳化和卷積神經(jīng)網(wǎng)路（CNN）在可制造性設(shè)計(jì)（DFM）方面也顯著提升了功能，我們開始考慮在設(shè)計(jì)過程中使用同步學(xué)習(xí)?！贡笨_來納州立大學(xué)就是CAEML的三所合作院校之一。

另一所與CAMEL合作的學(xué)校——喬治亞理工學(xué)院（Georgia InsTItute of Technology）教授Madhavan Swaminathan說：「我們面臨的挑戰(zhàn)之一是取得公司的數(shù)據(jù)。因?yàn)樗麄兊拇蟛糠輸?shù)據(jù)都是專有的，因此我們經(jīng)提出了幾種處理機(jī)制。這些過程目前都運(yùn)作得不錯(cuò)，但仍然比我們預(yù)期的更長(zhǎng)得多。」

CAEML在成立之初就獲得了亞德諾半導(dǎo)體（ADI）、益華電腦（Cadence）、思科（Cisco）、IBM、輝達(dá)（Nvidia）、高通（Qualcomm）、三星（Samsung）和賽靈思（ Xilinx）等九家廠商的支持，一開始感興趣領(lǐng)域包括高速互連、電力傳輸、系統(tǒng)級(jí)靜電放電、IP核心重用，以及設(shè)計(jì)規(guī)則檢查。

從Cadence描繪的發(fā)展藍(lán)圖來看，EDA產(chǎn)業(yè)目前開始進(jìn)入AI應(yīng)用的第二階段（來源：Cadence）

Cadence Design Systems等EDA供應(yīng)商早在1990年代初就開始研究機(jī)器學(xué)習(xí)。Cadence研發(fā)部資深總監(jiān)David White表示，這項(xiàng)技術(shù)于2013年首次導(dǎo)入于其產(chǎn)品中，采用Virtuoso的一個(gè)版本，并利用分析和資料探勘為寄生參數(shù)擷取創(chuàng)建機(jī)器學(xué)習(xí)模型。

截至目前為止，Cadence已經(jīng)為其工具提供超過110萬(wàn)種機(jī)器學(xué)習(xí)模型了，用于加速長(zhǎng)時(shí)間的計(jì)算。下一個(gè)階段的產(chǎn)品開發(fā)就是布局與繞線工具，使其得以向人類設(shè)計(jì)師學(xué)習(xí)，并推薦可加速運(yùn)轉(zhuǎn)時(shí)間的最佳化方案。White解釋，這些解決方案可能結(jié)合使用本地和基于云端的處理，以利用平行系統(tǒng)和大型資料集。

Synopsys研發(fā)總監(jiān)Sashi Obilisetty表示，在先進(jìn)制程節(jié)點(diǎn)上，采用現(xiàn)有演算法的全域繞線（global rouTIng）工具已經(jīng)達(dá)到極限了，因此他們開始降低芯片數(shù)據(jù)速率，以實(shí)現(xiàn)時(shí)序收斂。

她補(bǔ)充說，臺(tái)積電（TSMC）去年使用機(jī)器學(xué)習(xí)預(yù)測(cè)全域繞線，使得速度提高了40MHz； Nvidia則用機(jī)器學(xué)習(xí)來提供芯片設(shè)計(jì)的全面覆蓋，同時(shí)減少模擬。

參加這場(chǎng)專題討論的專家們說，他們看到了業(yè)界存在著使用各種機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)自動(dòng)化特定決策和最佳化整體設(shè)計(jì)流程的許多機(jī)會(huì)。

具體而言，研究人員正探索以更快速度的AI模型取代當(dāng)今模擬器的機(jī)會(huì)。喬治亞理工學(xué)院的Swaminathan說，相對(duì)較慢的模擬器可能導(dǎo)致計(jì)時(shí)錯(cuò)誤、類比電路失調(diào)，以及導(dǎo)致芯片重新流片（respin）的建模不足等問題。此外，機(jī)器學(xué)習(xí)可以取代IBIS在高速互連中進(jìn)行行為建模。

除了由亞馬遜（Amazon）、Google和Facebook圖片搜索和語(yǔ)音辨識(shí)服務(wù)推廣的神經(jīng)網(wǎng)路模型以外，芯片研究人員也使用了資料探勘、統(tǒng)計(jì)學(xué)習(xí)和其他工具。

北卡羅來納州立大學(xué)的Franzon則報(bào)告使用代理模型，在4次迭代中實(shí)現(xiàn)最終實(shí)體設(shè)計(jì)最佳化，相形之下，工程師還必須進(jìn)行到20次。類似的技術(shù)被用于校準(zhǔn)類比電路，并為多通道互連設(shè)置收發(fā)器。

研究人員展示代理模型在4次迭代中的表現(xiàn)，可望取代人類設(shè)計(jì)師（20次）

AI可以在EDA工具（有時(shí)是指旋鈕）中設(shè)置幾十種選項(xiàng)，協(xié)助加速自動(dòng)化過程。Franzon說：「這些工具設(shè)置了一些有時(shí)候定義不清的旋鈕，經(jīng)常與預(yù)期結(jié)果之間的關(guān)系模糊?！?/p>

HPE目前則結(jié)合使用神經(jīng)網(wǎng)路和超平面分類器，依據(jù)固態(tài)硬碟（SSD）的電壓、溫度和電流等數(shù)據(jù)現(xiàn)場(chǎng)預(yù)測(cè)故障情形。

Cheng說：「訓(xùn)練所需的數(shù)據(jù)量龐大。到目前為止，分類器都是靜態(tài)的，但是我們希望增加使用遞歸神經(jīng)網(wǎng)路（RNN）的時(shí)間維度，以取代僅用好/壞標(biāo)簽，那么我們將會(huì)有故障時(shí)間（TIme-to-failure）的標(biāo)簽。未來，我們還希望將這項(xiàng)工作擴(kuò)展到更多的參數(shù)以及一般的系統(tǒng)故障。」