ШІ може прискорити проєктування та виробництво мікросхем
ШІ допомагає виявляти дефекти, моделювати процеси та оптимізувати розробку мікросхем, але потребує якісних даних і людського контролю.
Штучний інтелект дедалі активніше застосовують у проєктуванні й виробництві мікросхем: для пошуку дефектів, виявлення аномалій, оптимізації процесів і аналізу даних із датчиків. Про це в інтерв’ю IEEE Spectrum розповіла старша менеджерка продукту платформи MATLAB компанії MathWorks Хізер Ґорр.
За її словами, ШІ може допомагати на різних етапах циклу — від розробки компонентів і сенсорів до контролю виробництва. Аналіз історичних даних дає змогу шукати можливі причини затримок у виготовленні та помічати проблеми ще під час обробки даних або проєктування.
Моделі для швидших випробувань
Одним із напрямів є створення спрощених моделей, що відтворюють результати складних фізичних розрахунків. Такі моделі можна використовувати для оптимізації параметрів, серій симуляцій і розрахунків методом Монте-Карло значно швидше, ніж пряме розв’язання фізичних рівнянь.
Ґорр порівняла цей підхід із цифровим двійником: фізичну модель системи та експериментальні дані доповнює інша модель, у якій можна змінювати параметри й перевіряти різні сценарії. Це дає змогу більше симулювати, тестувати та експериментувати до запуску реального виробництва, що потенційно зменшує витрати на етапах розробки.
Точність і дані залишаються викликом
Водночас моделі на основі ШІ зазвичай поступаються точністю фізичним моделям, зазначила представниця MathWorks. Проєктування та випуск чипів вимагають врахування великої кількості взаємопов’язаних компонентів, а для побудови моделей необхідно об’єднати дані з різних сенсорів і від різних команд.
Для роботи з високочастотними потоками даних ШІ може виявляти закономірності, які складно помітити вручну. Серед важливих завдань Ґорр назвала синхронізацію та повторну дискретизацію даних, а також аналіз у частотній області.
На її думку, ШІ має вивільняти фахівців для складніших завдань, тоді як рішення залишатимуться за людьми. Ключовими для використання таких систем вона назвала зрозумілість моделей, документування й тестування всіх компонентів, а також комунікацію між учасниками процесу.
