DSO.ai自推出以來一直占據半導體行業的頭條,并榮獲2020年ASPENCORE全球電子成就獎的“最佳創新產品獎”。Designer Digest邀請了一些創新者來到新思科技機器學習卓越中心(ML CoE),共同探討人工智能驅動芯片設計的發展趨勢。
問
DSO.ai是什么?為什么它被認為是芯片設計技術的一項突破?
設計空間優化(DSO)是借助最新的機器學習技術搜索大型設計空間的一種新方法。DSO.ai的靈感來自AlphaGo——這個計算機程序在2016年通過自學掌握了如何下圍棋,并擊敗了人類專家。
芯片設計也是一個潛力巨大的解決方案空間,比圍棋游戲大數萬億倍。搜索這個巨大的空間是一項勞動密集程度極高的工作,通常需要多個星期才能完成,而且往往要依靠過去的經驗和群體知識作為指導。DSO.ai引入了一種新的創成式優化模式,采用強化學習 (RL) 技術自主搜索設計空間,以尋找最佳解決方案。
——Thomas Andersen 博士
機器學習卓越中心主管
新思科技
問
從半導體公司的角度,DSO.ai有哪些與眾不同之處?
我認為,人工智能和大數據的出現為整個EDA行業提供了一個新的維度。我們有史以來第一次讓數據生成算法,而非相反。這種新模式為設計探索過程帶來了極大自主性。
本質上講,這使人工智能高效配合開發者工作,DSO.ai在芯片設計工作流中全面探索各種選擇,而大量影響較小的決策通過高度自動化方式做出。人工智能級的生產力意味著整個團隊都可以提升專業性,從而能夠承接更多項目,推動工藝擴展達到新極限,并縮短上市時間。
——Stelios Diamantidis
人工智能產品總監
新思科技
問
DSO.ai是芯片設計的“一鍵完成按鈕”嗎?
真正的能力仍然掌握在開發者手中。DSO.ai并非通過有限的手動搜索方式,而是將搜索過程自動化,同時由用戶決定關注哪些空間。這從根本上改變了我們對芯片設計的看法。
未來的開發者將能夠借助人工智能,以更高的抽象水平和處理能力完成設計過程。開發者的角色將不再是安排和運行實驗,而是指導人工智能技術關注哪些設計空間,以及最終根據經驗確定要實現什么目標。這樣,開發者可以將更多時間用于分析具體問題,并對預期結果做出更好的權衡。
——Joe Walston 博士
產品工程總監
新思科技
問
DSO.ai的典型應用有哪些?
DSO.ai可用于優化芯片設計工作流程的輸入參數和選擇,以滿足特定項目的確切需求。這種能力的第一個典型應用領域是優化設計步驟和基礎工具設置。然而,其作用遠不止于此。
開發者可以使用DSO.ai搜索設計過程的其他許多輸入選項。例如,DSO.ai可以微調庫單元以提供最佳頻率或最低功率;采用現有平面圖并盡量縮小芯片尺寸;確定多高的工作電壓會實現功耗與性能的最佳權衡;在定制時鐘結構或者電源分布網絡探索不同效果等等。
——Mat Philip
首席產品工程師
新思科技
問
DSO.ai是否需要建造一個專門的數據中心?
這當然可能是利用大數據的一種方式,但我們覺得這并非解決EDA問題的正確方法。相反,我們選擇設計自己的算法,從而能夠在本質上進行更多計算任務,但同時也能在現有EDA計算環境中有效運行。
它是一個迭代完善的過程。在設計演變流程的初期,有更多的選擇可供探索,因此,DSO.ai可以有效地進行更多計算。隨后,設計空間越來越小,計算帶寬隨之減少。
另一個重要方面是學習。DSO.ai會逐步學習以前的設計版本。例如,在有新的網絡列表時,DSO.ai不會從頭開始,而是使用學習引擎,根據以前的設計推斷出下一步動作。
——Benoit Claudel 博士
首席研發工程師
新思科技
問
有一個大家一直都感興趣的問題,人工智能是否會取代開發者?
人工智能是新生事物,而且這一話題在很多行業都存在。對EDA來講,我想到在Design Compiler出現初期就有類似的討論,例如它如何通過引入RTL綜合推動電路設計模式發展。
當前,我們似乎正處于一個類似的十字路口,盡管摩爾定律逐步放緩,但技術的飛躍正在激發設計方面的巨大創新。就像20世紀80年代末的Design Compiler一樣,我們的愿望是:人工智能將推動我們的客戶翻開未來30年半導體創新的新篇章。
——Pranay Prakash
研發總監
編輯:jq
-
芯片
+關注
關注
456文章
51090瀏覽量
425967 -
DSO
+關注
關注
0文章
28瀏覽量
23379 -
機器學習
+關注
關注
66文章
8435瀏覽量
132885
原文標題:DSO.ai推出一周年,人工智能和機器學習如何變革芯片設計方法學
文章出處:【微信號:gh_3a181fa836b6,微信公眾號:華為計算】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論