وقد حقق شركاء الصناعة والباحثين خطوات كبيرة في الآونة الأخيرة في تطبيق التعلم الآلي لقضية تصميم رقاقة شائكة، كما يتضح من حلقة نقاش في ديسينكون هذا العام تبين استخدام العمل البشري في أتمتة التصميم الإلكتروني (إيدا) الذكاء (أي) هو موضوع شائع جدا في الوقت الحاضر، وليس فقط العديد من الأوراق ذات الصلة قد نشرت في المؤتمر، ولكن العديد من الحضور أيضا جذبت إلى حلقة النقاش.
وخلال العام الماضي، تعلم آلة لمركز أبحاث إلكتروني متطور (CAEML) وقد أضافت أربعة شركاء جدد. هذا من قبل أعضاء صناعة 13 وثلاث جامعات معا تشكل فريق البحث، الذي يواصل الآن لتوسيع نطاق وعمق عملهم .
وقالت CAEML خبير فني متميز وعضو كريستوفر تشنغ، هوى والتكنولوجيا (HPE هيوليت باكارد المؤسسة): "في العام الماضي، ركزنا على سلامة إشارة ووحدة السلطة، وفي هذا العام، وتنقسم مجموعة منتجاتنا في تحليل النظم، ورقاقة موثوق تصميم منصة والتصميم، لذلك أن تنوع البحوث حققت أكبر قدر من التقدم ".
وقال بول فرانزون، الأستاذ المتميز في جامعة نك ستات: "تحسين بايز والشبكات العصبية التلافيفية (كنن) كما عززت بشكل كبير وظائف في سوق دبي المالي، وبدأنا النظر في استخدام التعلم المتزامن في عملية التصميم. "جامعة ولاية كارولينا الشمالية هي واحدة من الجامعات الشريكة الثلاث كيمل.
وقال مادهافان سواميناثان، الأستاذ في معهد جورجيا للتكنولوجيا، وهو مدرسة أخرى تابعة ل كاميل: "إن أحد التحديات التي نواجهها هو الحصول على بيانات الشركة لأن معظم بياناتها مملوكة، لذا، فقد توصلنا إلى العديد من آليات التعامل التي تعمل جميعها بشكل جيد، ولكنها لا تزال أطول بكثير مما توقعنا ".
CAEML في الأيام الأولى للحصول على الأجهزة التناظرية (ADI)، الإيقاع (الإيقاع)، وسيسكو (سيسكو)، IBM، هويدا (نفيديا)، كوالكوم (كوالكوم)، سامسونج (سامسونج) وXILINX ( دعم XILINX) وغيرها من تسعة البائعين، وأصبحت مهتمة في هذا المجال، بما في ذلك ربط عالية السرعة، ونقل الطاقة الكهربائية، التفريغ الكهربائي على مستوى النظام، وإعادة استخدام الملكية الفكرية الأساسية، والتحقق من تصميم قاعدة.
بدأت الإيقاع تصميم النظم وغيرها من البائعين EDA في 1990s في وقت مبكر لدراسة تعلم الآلة. وقال ديفيد وايت، مدير أول قسم الإيقاع R & D، والتكنولوجيا في عام 2013 لأول مرة لاستيراد منتجاتها، وذلك باستخدام نسخة من الموهوب، واستخدام وتحليل استخراج البيانات لخلق نماذج التعلم الآلي القبض الطفيلية.
حتى الآن، قدمت الإيقاع أكثر من 1.1 مليون نماذج التعلم الآلي لأدواتها لتسريع الحوسبة طويلة الأجل، والمرحلة التالية من تطوير المنتجات هي أدوات التخطيط والتوجيه التي تسمح لها للتعلم من المصممين الإنسان و واقترح وايت أن هذه الحلول يمكن أن تستخدم كل من المحلية والمعالجة القائمة على السحابة للاستفادة من أنظمة موازية ومجموعة كبيرة من البيانات.
أحدث تطور تكنولوجيا التعلم الآلي والتطبيق
وقال ساشي أوبيليسيتي، مدير الأبحاث والتطوير في سينوبسيس، إن أدوات التوجيه العالمية باستخدام الخوارزميات القائمة وصلت إلى حدودها في عقد العمليات المتقدمة، لذلك بدأت في خفض معدلات بيانات الرقائق لإغلاق التوقيت.
وأضافت أن تايوان تصنيع أشباه الموصلات شركة العام الماضي تستخدم آلة التعلم للتنبؤ المتعرج العالمي، مما أدى إلى زيادة 40MHZ في السرعة؛ نفيديا تستخدم آلة التعلم لتوفير التغطية الكاملة لتصميم رقاقة مع الحد من المحاكاة.
وقال الخبراء الذين شاركوا في الفريق أنهم رأوا العديد من الفرص في هذه الصناعة لاستخدام تقنيات التعلم الآلي لأتمتة قرارات محددة وتحسين عملية التصميم الشاملة.
على وجه التحديد، يبحث الباحثون عن الفرص لتحل محل أجهزة محاكاة اليوم مع نماذج منظمة العفو الدولية أسرع، ويقول معهد جورجيا للتكنولوجيا سواميناثان، محاكاة بطيئة نسبيا التي يمكن أن تؤدي إلى أخطاء التوقيت، التناظرية الدوائر الاختلالات، وإعادة رقاقة رقاقة (ريسبين) مشاكل النمذجة.بالإضافة إلى ذلك، يمكن للتعلم آلة تحل محل إيبيس النمذجة السلوكية في الربط عالية السرعة.
بالإضافة إلى نماذج الشبكة العصبية التي تروج لها الأمازون وجوجل والفيسبوك صور البحث وخدمات التعرف على الصوت، والباحثين رقاقة أيضا استخدام استخراج البيانات والتعلم الإحصائي وغيرها من الأدوات.
وتفيد التقارير Franzon من جامعة ولاية كارولينا الشمالية باستخدام نموذج وكيل، التصميم المادي الأمثل لتحقيق نهاية المطاف في 4 التكرار، على النقيض من ذلك، يجب أن يكون مهندسا أيضا إلى 20 مرات. ويستخدم تقنية مماثلة لمعايرة الدوائر التناظرية، ومتعددة قناة ربط مجموعة جهاز الإرسال والاستقبال.
AI يمكن أدوات EDA (يشار إليها أحيانا باسم مقبض) تحدد العشرات من الخيارات للمساعدة في تسريع عملية الأتمتة قال Franzon: "هذه أداة تحدد بعض المقابض وأحيانا غير محددة، في كثير من الأحيان عدم وضوح العلاقة بين النتائج المتوقعة. '
يستخدم هب حاليا الشبكات العصبية والمصنفين مفرط للتنبؤ سيناريوهات خطأ على الطاير بناء على بيانات مثل الجهد ودرجة الحرارة، وحالة محركات الأقراص الصلبة (سدز).
وقال تشنغ: "يتطلب التدريب كمية هائلة من البيانات، وحتى الآن المصنف هو ثابت، ولكننا نريد أن زيادة البعد الوقت باستخدام رنس بدلا من مجرد علامات جيدة / سيئة، هناك علامة الوقت إلى الفشل، وفي المستقبل نريد تمديد هذا العمل إلى مزيد من المعلمات وإلى فشل النظام العام. "
ترجمة: سوزان هونغ