Պլանշետների համար արհեստական բանականությամբ հագեցած չիպսեթների նախագծում և արտադրություն
Պլանշետները բովանդակություն սպառող սարքերից վերածվել են աշխատանքի, ուսուցման և նույնիսկ մասնագիտական ստեղծագործականության գործիքների: Կուլիսներում այս առաջընթացը մեծապես որոշվում է չիփսեթով՝ ուղեղներով, որոնք կարգավորում են պրոցեսորի մշակումը, գրաֆիկական պրոցեսորի գրաֆիկան, կապը, անվտանգությունը, էներգաարդյունավետությունը և նույնիսկ արհեստական բանականության արագացումը: Վերջին տարիներին արհեստական բանականությունը (ԱԲ) ոչ միայն դարձել է պլանշետների առանձնահատկություն, այլև սկսել է փոխել չիփսեթների նախագծման և արտադրության եղանակը: Այս հոդվածը քննարկում է, թե ինչպես է ԱԲ-ն դեր խաղում պլանշետների համար նախատեսված չիփսեթների նախագծման և արտադրության մեջ, դրա առավելությունները, մարտահրավերները և ապագա զարգացման ուղղությունները:
Ինչո՞ւ են պլանշետային չիպսեթները դառնում ավելի բարդ։
Պլանշետ օգտագործողների կարիքները գնալով բազմազան են դառնում: Ժամանակակից պլանշետները պետք է կարողանան աշխատեցնել արտադրողականության ծրագրեր, նկարել ճշգրիտ գրիչով, անցկացնել տեսակոնֆերանսներ, մշակել լուսանկարներ և տեսանյութեր, ինչպես նաև աջակցել խաղերին: Հիմնական մարտահրավերը բարձր արդյունավետության, ցածր էներգիայի սպառման և բարակ կորպուսի՝ առանց ծավալուն սառեցման համակարգերի հավասարակշռումն է:
Ջերմային և մարտկոցի սահմանափակումների պատճառով պլանշետային չիփսեթները պետք է ունենան.
- Արդյունավետ CPU ամենօրյա առաջադրանքների և բազմախնդրության համար։
– Հզոր GPU գրաֆիկայի և զուգահեռ հաշվարկների համար։
– NPU/AI արագացուցիչ սարքի վրա տեղադրված AI գործառույթների համար (օրինակ՝ խոսքի ճանաչում, պատկերի մշակում, տեքստի ամփոփում):
– ISP (պատկերի ազդանշանի մշակիչ)՝ տեսախցիկի և փաստաթղթերի սկանավորման համար։
– Մոդեմ և կապ (Wi-Fi, 5G՝ կախված մոդելից):
– Անվտանգություն (անվտանգ անկլավ, վստահելի կատարման միջավայր):
Այս բարդությունը չիպերի նախագծման գործընթացը դարձնում է ժամանակատար և թանկ։ Ահա թե որտեղ է արհեստական բանականությունը սկսում լայնորեն կիրառվել։
Արհեստական բանականության դերը չիպսեթի նախագծման փուլում
1. Ճարտարապետական պլանավորում և նախագծային հետազոտություն (նախագծային տարածքի հետազոտություն)
Մինչև տրանզիստորի դասավորության նման տեխնիկական մանրամասներին անդրադառնալը, չիպերի թիմը պետք է սահմանի ճարտարապետությունը՝ պրոցեսորի միջուկների քանակը, քեշի չափը, գրաֆիկական պրոցեսորի կոնֆիգուրացիան, հիշողության թողունակությունը և հզորության թիրախները: Սա սովորաբար ներառում է երկարատև սիմուլյացիաներ և իտերացիաներ:
Արհեստական բանականությունը կարող է արագացնել այս փուլը՝
– Ստեղծեք կատարողականի և հզորության կանխատեսման մոդելներ՝ հիմնվելով որոշակի կոնֆիգուրացիաների վրա։
– Առաջարկում է բաղադրիչների օպտիմալ համադրություն՝ ըստ նպատակի (օրինակ՝ պլանշետ արտադրողականության համար, թե՛ խաղերի համար):
- Նվազեցնում է ձեռքով կատարվող փորձերի քանակը։
Արդյունքում, թիմերը կարող են ավելի արագ գտնել «լավագույն կետը» կատարողականի և արդյունավետության միջև։
2. RTL (Գրանցման փոխանցման մակարդակ) օպտիմալացում
RTL-ը սարքավորումների վարքագծի «նկարագրություն» է, որը սինթեզվելու է տրամաբանական սխեմաների մեջ: RTL-ում շատ որոշումներ ազդում են հաճախականության, հզորության և չիպի չափի վրա:
Արհեստական բանականությունը/մեքենայական ուսուցումը կարող են օգնել հետևյալի հետ կապված՝
– Նույնականացնել RTL-ի ամենաշատ էներգիա սպառող կամ ժամանակի սահմանափակող մասերը։
– Առաջարկություններ տվեք վերափոխման կամ միկրոճարտարապետության փոփոխությունների համար։
– Փոփոխությունների ազդեցության գնահատում նույնիսկ մինչև ամբողջական սինթեզի գործընթացի իրականացումը։
3. Արհեստական բանականության օգնությամբ հատակագծում և տեղադրում ու ուղղորդում
Չիպերի նախագծման մեջ ամենաբարդ խնդիրներից մեկը հիմնական բլոկների (պրոցեսորային կլաստեր, գրաֆիկական պրոցեսոր, NPU, քեշ, հիշողություն, ինտերնետային պրովայդեր) տեղակայման որոշումը միկրոսխեմայի/SoC-ի ներսում, ապա դրանց միացման ուղիների (երթուղային) որոշումը: Սխալ տեղադրումը կարող է հանգեցնել էներգիայի սպառման աճի, ջերմության կենտրոնացման կամ ազդանշանի անհամապատասխանության:
Արհեստական բանականությունը շատ արդյունավետ է այստեղ, քանի որ խնդիրը նման է «տարածության օպտիմալացմանը» և «լավագույն լուծման որոնմանը»։
– Ուժեղացված ուսուցումը կարող է փորձել հատակագծի տարբեր տարբերակներ և դասեր քաղել արդյունքներից:
– Արհեստական բանականությունը կարող է կրճատել ֆիզիկական նախագծման կրկնությունները, որոնք սովորաբար շաբաթներ են տևում։
– Ավելի լավ տեղադրումը կարող է կրճատել կապի տևողությունը, ճնշել լատենտությունը և բարձրացնել արդյունավետությունը։
Պլանշետների համար սա կարևոր է, քանի որ սարքը պետք է մնա սառը և էներգաարդյունավետ՝ բարակ կորպուսում ունենալով։
4. Սխալների վաղ ստուգում և հայտնաբերում
Հաստատումը չիպերի մշակման ծախսերի և ժամանակի ամենամեծ բաղադրիչներից մեկն է: Արտադրության մեջ հայտնված սխալները կարող են չափազանց թանկ լինել, նույնիսկ հանգեցնելով արտադրանքի հետկանչի:
Արհեստական բանականությունը օգնում է.
– Դասակարգել սիմուլյացիայի արդյունքները՝ առավել ռիսկային դեպքերը առաջնահերթություն տալու համար։
– Խափանումների օրինաչափությունների հայտնաբերում մեծածավալ ստուգման գրանցամատյաններից։
– Ավտոմատ կերպով ստեղծեք լրացուցիչ փորձարկման դեպքեր (ծածկույթի վրա հիմնված):
Այսպիսով, դիզայնի որակը բարձրանում է, և ձախողման ռիսկը նվազում է։
5. Էներգիայի օպտիմալացում և ջերմային կառավարում
Պլանշետները պահանջում են արդյունավետություն. սահմանափակ հզորություն, փոքր ջերմային հզորություն: Արհեստական բանականությունը կարող է օգտագործվել հետևյալի համար.
– Օգտագործման պրոֆիլների մոդելավորում (դիտում, հոսքային դիտում, խաղեր, գրիչով նկարչություն):
– Օպտիմալացնել DVFS-ը (դինամիկ լարման և հաճախականության մասշտաբավորում)՝ հիմնվելով բեռի կանխատեսման վրա։
– Օգնում է դիզայներներին ընտրել ամենաարդյունավետ power-gating և clock-gating ռազմավարությունները։
Դիզայնի համատեքստում, արհեստական բանականությունը կարող է տալ կարծիք այն մասին, թե արդյոք NPU-ն պետք է մեծացվի՝ որոշակի մոդելի գործարկման ժամանակ էներգիա խնայելու համար, կամ արդյոք գրաֆիկական պրոցեսորն ավելի հարմար է որոշակի արհեստական բանականության հաշվողական բեռը կառավարելու համար։
Արհեստական բանականության դերը չիպսեթների արտադրության և արտադրության մեջ
Դիզայնի վերջնական մշակումից հետո չիպը արտադրվում է կիսահաղորդչային գործարանում (fab): Ժամանակակից արտադրական գործընթացները չափազանց բարդ են՝ լիտոգրաֆիայի, նստեցման, փորագրման և ստուգման հարյուրավոր քայլեր: Արհեստական բանականությունը (AI) ավելի ու ավելի հաճախ է օգտագործվում արտադրողականությունը (անցնող չիպերի տոկոսը) մեծացնելու և որակի տատանումները նվազեցնելու համար:
1. Հողատարման կանխատեսում և թերությունների հայտնաբերում
Արհեստական բանականությունը կարող է մշակել բարձր թույլտվությամբ վաֆլիների ստուգման պատկերներ՝
– Բացահայտել միկրոթերությունները, որոնք դժվար է հայտնաբերել ավանդական կանոններով։
– Կանխատեսել վեֆերի հատվածները, որոնք ենթարկվում են ձախողման բարձր ռիսկի։
- Տրամադրել առաջարկություններ գործընթացի ճշգրտումների վերաբերյալ՝ արտադրողականությունը բարձրացնելու համար։
Ավելի լավ արտադրողականությունը նշանակում է չիպի մեկ միավորի համար ավելի ցածր ծախսեր, ինչը կարևոր է պլանշետների համար մրցակցային և գնային զգայուն շուկայում։
2. Ադապտիվ գործընթացների կառավարում
Արհեստական բանականությունը կարող է սովորել գործընթացի պարամետրերի (օրինակ՝ ջերմաստիճան, ճնշում, ազդեցության ժամանակ) և արտադրանքի որակի միջև եղած կապը։ Այս մոտեցմամբ՝
– Ֆաբը կարող է արագ կարգավորումներ կատարել, երբ մեքենայի վրա շեղում է հայտնվում։
– Խմբաքանակների միջև տատանումները կարող են նվազեցվել։
– Չիպի աշխատանքի կայունությունը բարձրանում է։
3. Ավելի խելացի թեստավորում
Չիպի արտադրությունից հետո կատարվում է թեստավորում՝ ֆունկցիոնալությունը և խմբավորման դասակարգումը ապահովելու համար (օրինակ՝ որ չիպերը կարող են աշխատել բարձր և ցածր հաճախականություններով): Արհեստական բանականությունը օգնում է.
– Կրճատեք փորձարկման ժամանակը` կանխատեսելով արդյունքները չափումների ենթաբազմության հիման վրա։
– Անհասկանալի ձախողումների փոխկապակցվածության հայտնաբերում։
– Օպտիմալացնել դեն նետելու ռազմավարությունները՝ պլանշետային արտադրանքի կարիքներին համապատասխան (օրինակ՝ էներգախնայողության և արդյունավետության տարբերակներ):
Ինչո՞ւ է արհեստական բանականությունը հատկապես կարևոր պլանշետային չիպսեթների համար։
Այլ սարքերի համեմատ, պլանշետները ունեն եզակի բնութագրեր.
– Սահմանափակ ջերմային ազդեցություն. պլանշետները հազվադեպ են օգտագործում օդափոխիչներ։
– Մարտկոցը պետք է լինի դիմացկուն. օգտատերերը պահանջում են երկարատև էներգիա։
– Աշխատանքային ծանրաբեռնվածությունը տատանվում է՝ թեթևից (ընթերցանություն) մինչև ծանր (մատուցում, խաղեր, խմբագրում):
– Սարքի վրա արհեստական բանականության կարիքը մեծանում է՝ այնպիսի գործառույթներով, ինչպիսիք են ձեռագրի ճանաչումը, աղմուկի ճնշումը, ֆոնի մշուշոտումը, փաստաթղթերի OCR-ը և նշումների ամփոփումը։
Չիպերի նախագծման մեջ արհեստական բանականությունը օգնում է հասնել այս նպատակներին՝ ավելի արագ իտերացիաներով և ավելի օպտիմալ լուծումներով։
Արհեստական բանականության օգտագործման մարտահրավերներն ու ռիսկերը
Թեև խոստումնալից է, այնուամենայնիվ, կան որոշ մարտահրավերներ.
1. Տվյալների որակը. Արհեստական բանականության մոդելը լավն է միայն այնքանով, որքանով լավ են դրա մարզման տվյալները: Նախագծման և արտադրության տվյալները հաճախ զգայուն են և հեշտությամբ չեն փոխանցվում:
2. Մեկնաբանելիություն. Հատակի պլանավորման կամ օպտիմալացման մեջ արհեստական բանականության միջոցով կայացված որոշումները երբեմն դժվար է բացատրել, չնայած ինժեներները պետք է հասկանան տեխնիկական պատճառները։
3. Գործիքաշարի ինտեգրում. EDA (էլեկտրոնային նախագծման ավտոմատացում) խողովակաշարերն արդեն իսկ բարդ են. արհեստական բանականության ավելացումը պահանջում է մանրակրկիտ ինտեգրում:
4. Անվտանգություն և մտավոր սեփականություն. Չիպերի դիզայնը արժեքավոր ակտիվներ են: Արհեստական բանականության, մասնավորապես ամպային տեխնոլոգիաների կիրառումը, արտահոսքի ռիսկ է առաջացնում:
5. Արդյունքների վավերացում. Արհեստական ինտելեկտի առաջարկությունների արդյունքները դեռևս պետք է խստորեն ստուգվեն, քանի որ փոքր սխալները կարող են մեծ ազդեցություն ունենալ։
Ապագան. ավելի ու ավելի արհեստական ինտելեկտով հագեցած պլանշետային չիփսեթներ
Առաջիկայում արհեստական բանականության օգտագործումը կիմանանք չիպի ողջ կյանքի ցիկլի ընթացքում։
– Ավելի ավտոմատացված դիզայն՝ սկսած տեխնիկական բնութագրերից մինչև սարքավորումների նախագծեր։
– Սարքավորումների և ծրագրային ապահովման համատեղ նախագծում, որտեղ NPU ճարտարապետությունը, կոմպիլյատորը և արհեստական բանականության մոդելը նախագծվում են միասին։
– Պլանշետի աշխատանքային ծանրաբեռնվածության համար նախատեսված օպտիմալացումներ՝ ցածր լատենտությամբ գրիչ, իրական ժամանակի տեսախցիկով մշակում և էներգաարդյունավետ մուլտիմեդիա։
– Ավելի արդյունավետ արտադրություն՝ արհեստական բանականության վրա հիմնված տեսողական ստուգման և ադապտիվ գործընթացների կառավարման միջոցով։
Վերջիվերջո, արհեստական բանականությունը կլինի ոչ միայն պլանշետների առանձնահատկություն, այլև «լրացուցիչ ինժեներ», որը կարագացնի սարքերի հիմքում ընկած չիփսեթների նորարարությունը: Այս համադրությունը պլանշետները կդարձնի ավելի հզոր, էներգաարդյունավետ, արագ արձագանքող և ունակ ավելի խելացի առաջադրանքներ կատարելու անմիջապես սարքի վրա՝ առանց միշտ ապավինելու ամպային տեխնոլոգիաներին:
-
Եթե ցանկանում եք, կարող եմ այս հոդվածը հարմարեցնել՝ (1) էլեկտրատեխնիկայի/ուսանողների համար նախատեսված ավելի տեխնիկական տարբերակի, (2) տեխնոլոգիական բլոգների համար նախատեսված հայտնի տարբերակի կամ (3) պլանշետի SoC նախագծման հոսքի ուսումնասիրության վրա կենտրոնանալով՝ զրոյից մինչև զանգվածային արտադրություն։
