来源：内容来自半导体行业观察（ID：icbank）
编译自IEEE
，谢谢。
摩尔定律的终结正在逼近。工程师和设计人员在使晶体管小型化和将尽可能多的晶体管装入芯片方面只能做这么多。因此，他们正在转向其他芯片设计方法，将 AI 等技术融入流程中。
例如，三星正在将人工智能添加到其内存芯片中，以便在内存中进行处理，从而节省能源并加速机器学习。说到速度，谷歌的 TPU V4 AI 芯片的处理能力比之前的版本提高了一倍。
但人工智能对半导体行业仍有更大的希望和潜力。为了更好地了解 AI 如何彻底改变芯片设计，我们采访了MathWorks的 MATLAB 平台高级产品经理Heather Gorr 。
Heather Gorr：
人工智能是一项非常重要的技术，因为它涉及到周期的大部分，包括设计和制造过程。这里有很多重要的应用，即使是在我们想要优化的一般过程工程中。我认为缺陷检测在流程的所有阶段都是一项重要工作，尤其是在制造中。但即使在设计过程中提前考虑，[AI 现在发挥着重要作用] 当你设计灯光、传感器和所有不同的组件时。您确实需要考虑很多异常检测和故障缓解。
然后，考虑到您在任何行业中看到的logistical模型，总有您想要减少的计划停机时间；但是您最终也会遇到计划外的停机时间。因此，回顾一下历史数据，当你经历过制造某些东西的时间可能比预期的要长一些的时候，你可以查看所有这些数据并使用 AI 来尝试识别近因或看到即使在处理和设计阶段也可能跳出的东西。我们通常认为 AI 是一种预测工具，或者是一个做某事的机器人，但很多时候你通过 AI 从数据中获得很多洞察力。
Gorr：
从历史上看，我们已经看到了很多基于物理的建模，这是一个非常密集的过程。我们想做一个reduced order model，而不是解决这样一个计算量大且广泛的模型，我们可以做一些更便宜的事情。您可以创建一个代理（surrogate）模型，可以说是基于物理的模型，使用数据，然后使用代理模型进行参数扫描、优化、蒙特卡罗模拟。与直接求解基于物理的方程相比，这在计算上花费的时间要少得多。因此，我们在很多方面都看到了这种好处，包括快速迭代实验的结果所带来的效率和经济性，以及真正有助于设计的模拟。
Q：所以从某种意义上说，这就像拥有一个数字双胞胎？
Gorr：
没错。这几乎就是人们正在做的事情，你有物理系统模型和实验数据。然后，结合起来，您拥有另一个模型，您可以对其进行调整和调整，并尝试不同的参数和实验，从而扫清所有这些不同的情况并最终提出更好的设计。
Q：所以，它会更有效率，而且，正如你所说，更便宜？
Gorr：
是的，当然。尤其是在实验和设计阶段，你正在尝试不同的东西。如果您实际制造和生产 [芯片]，这显然会显着节省成本。您想尽可能多地模拟、测试、实验，而不需要使用实际的过程工程来制作东西。
Gorr：
[基于 AI 的实验模型] 往往不如基于物理的模型准确。当然，这就是您进行许多模拟和参数扫描的原因。但这也是拥有数字双胞胎的好处，您可以牢记这一点——它不会像我们多年来开发的精确模型那样准确。
芯片设计和制造都是系统密集型的；你必须考虑每一个小部分。这真的很有挑战性。在这种情况下，您可能有模型来预测某些事物及其不同部分，但您仍然需要将它们整合在一起。
还要考虑的另一件事是您需要数据来构建模型。您必须整合来自各种不同传感器和不同类型团队的数据，这样就增加了挑战。
Q：工程师如何使用 AI 更好地准备并从硬件或传感器数据中提取见解？
Gorr：
我们一直在考虑使用 AI 来预测某事或做一些机器人任务，但您可以使用 AI 来想出模式并自己挑选出您以前可能没有注意到的东西。当人们拥有来自许多不同传感器的高频数据时，人们会使用人工智能，而且很多时候探索频域以及数据同步或重采样等事情很有用。如果您不确定从哪里开始，这些可能会非常具有挑战性。
我想说的一件事是，使用可用的工具。有一个庞大的社区从事这些工作，您可以在GitHub或MATLAB Central上找到很多 [应用程序和技术]示例，人们在这里分享了很好的示例，甚至是他们创建的小应用程序。我认为我们中的许多人都沉浸在数据中，只是不确定如何处理它，所以一定要利用社区中已经存在的东西。您可以探索和了解什么对您有意义，并在领域知识和您从工具和 AI 中获得的洞察力之间取得平衡。
Q：工程师和设计师在使用 AI 进行芯片设计时应该考虑什么？
Gorr：
想想你要解决什么问题，或者你可能希望找到什么见解，并试着弄清楚这一点。考虑所有不同的组件，并记录和测试每个不同的部分。考虑所有相关人员，并以对整个团队都合理的方式进行解释和交接。
Gorr：
它将为更高级的任务释放大量人力资本。我们可以使用 AI 来减少浪费、优化材料、优化设计，但在决策制定时仍然需要人工参与。我认为这是人和技术携手合作的一个很好的例子。这也是一个所有相关人员——即使是在制造车间——都需要对正在发生的事情有一定程度了解的行业，所以这是一个推进人工智能的伟大行业，因为我们如何测试事物以及我们在投入之前如何思考它们他们在芯片上。
Gorr：
这在很大程度上取决于人的因素——让人们参与到过程中并拥有可解释的模型。我们可以用建模的数学细节做很多事情，但这取决于人们如何使用它，过程中的每个人如何理解和应用它。在此过程中，所有技能水平的人的沟通和参与都将非常重要。我们将看到更少的超精确预测和更多的信息、共享和数字孪生的透明度——不仅使用人工智能，而且使用我们的人类知识和许多人多年来所做的所有工作。
★ 点击文末
【阅读原文】
，可查看本文原文链接！
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第2946内容，欢迎关注。
『
半导体第一垂直媒体
』
实时 专业 原创 深度
识别二维码
，回复下方关键词，阅读更多
晶圆｜集成电路｜设备
｜汽车芯片｜存储｜台积电｜AI｜封装
回复
投稿
，看《如何成为“半导体行业观察”的一员 》
回复
搜索
，还能轻松找到其他你感兴趣的文章！
