В настоящее время промышленность полупроводников находится на перекрестке растущих требований к производительности и неустанной сложности, а также растущих проблем, связанных с оптимизацией дизайна и эффективностью производства.Вычислительная литографияСпециалист Botlagunta Preethish Nandan недавно представил рамки для дизайна полупроводников следующего поколения, интегрируя данные, основанные на знаниях, и автоматизацию с увеличением ИИ.
В своей исследовательской работе под названием «Интегрирование ИИ и инженерии данных для проектирования и оптимизации интеллектуальных полупроводниковых чипов» Нандан выступал за критический сдвиг для отрасли.Он упоминает, что традиционные методы проектирования все чаще выходят за рамки требований к литографическим узлам sub-3nm и High-NA EUV, потому что они обременены ручными процессами, жесткими рабочими процессами и фрагментированными потоками данных.
Understanding the Challenge
В последние годы промышленность полупроводников пережила серьезные преобразования, а устройства становятся все более сложными и многофункциональными.Сегодня чипы интегрируют миллиарды транзисторов, каждый из которых имеет сложные взаимосвязи.
Традиционные разработанные процессы зависят от методов статической проверки, ручного вмешательства и изолированных потоков данных, управляемых разнообразными инструментами EDA. Этот фрагментированный подход может привести к неэффективности, таким как ограниченная повторная возможность использования данных дизайна, пробелы в проектировании и риск сбоев на поздних стадиях.
Кроме того, поскольку дизайн чипов интегрирует несколько функциональностей, таких как RF, аналоговый, цифровой и управление энергией, уникальные наборы данных генерируются каждым доменом, которые должны быть гармонизированы для согласованного анализа.Эта сложность делает чрезвычайно важным принятие подходов, которые могут управлять высокоразмерными наборами данных, разбивать силосы данных и обеспечивать бесперебойное принятие решений на всем пути проектирования и производства.
“In the absence of integrated data and automation frameworks, design teams are forced to navigate an ever-growing maze of complexity, risking costly errors and extended design cycles. It’s no longer enough to rely on incremental improvements, we need a paradigm shift that unifies AI and data engineering for intelligent, scalable design,” Nandan emphasizes.
Data-Driven and AI-Augmented Design Optimization
Решение, предложенное Nandan, сосредоточено вокруг целостной, полностью интегрированной технологии обработки данных и трубопровода ИИ. Этот подход учитывает проблемы, связанные с фрагментацией данных, ручными барьерами и ограниченной интерпретабельностью.
Эта стратегия использует адаптивную архитектуру трубопроводов данных, которая может осуществлять систематический сбор данных и предварительную обработку с этапов проектирования, моделирования и тестирования, стандартизацию разнородных форматов данных для обеспечения совместимости между инструментами проектирования, динамического увеличения данных и обновлений в режиме реального времени.
Рамка гарантирует, что никакие критические данные дизайна не остаются неиспользованными путем создания основы, ориентированной на данные.Он создает целостный набор данных, который питает аналитику, основанную на ИИ, посредством интеграции статистических моделей схем, метаданных дизайна и журналов производительности.
AI-Augmented Design Automation: Включая контролируемые, полунаблюдаемые и алгоритмы обучения усиления, модели ИИ развертываются, чтобы предсказать колебания производительности и оптимизировать производительность оформления, генерировать адаптивные тестовые шаблоны для всестороннего покрытия неисправностей и автоматизировать логический синтез, размещение и решения о маршрутизации, чтобы сократить время ручного вмешательства и поворота.
«Искусственный интеллект не только автоматизирует рутинные задачи; он позволяет интеллектуально исследовать обширные пространства проектирования, ускоряя процесс принятия решений и повышая точность, — отмечает Нандан. — Наши модели постоянно учатся из исторических и реальных данных, позволяя адаптивной оптимизации по мере развития требований к дизайну».
Key Features and Innovations
Благодаря нескольким инновационным функциям, интегрированная структура Nandan не только устраняет существующие барьеры, но и открывает новые уровни совершенства в дизайне и производительности.
Управление высокими измерениями данных: эта рамка применяет передовые методы кластеризации данных, алгоритмы сжатия и обрезки для дистилляции важной информации, минимизируя при этом объем хранения.Он обеспечивает более быстрый поиск и анализ данных дизайна, повторное использование кросс-проектных данных и адаптивную обработку данных путем внедрения динамических иерархий данных и интеллектуального маркирования.
Кросслойная интеграция ИИ: рамка позволяет ИИ-моделям учиться и действовать на всех этапах оформления, схемы и производства.Это включает в себя адаптивные модели синтеза логики, которые уточняют стратегии размещения и маршрутизации в реальном времени, предсказующие алгоритмы, которые предсказывают проблемы, влияющие на производительность на основе данных раннего этапа, и системы классификации дефектов, основанные на машинном обучении, которые улучшают покрытие ошибок и уменьшают ложные положительные.
Поддержка принятия решений в режиме реального времени и автоматизация: в рамках используются двигатели вывода в режиме реального времени и потоковые трубопроводы данных для предоставления мгновенной обратной связи во время итераций дизайна.Некоторые ключевые инновации включают динамическую реконфигурацию, интегрированное обнаружение аномалий и автоматическое восстановление ошибок и возможности перезагрузки.
Улучшенная интерпретируемость и объяснимость: рамка включает интерпретируемые модели ИИ, способные генерировать человечески четкие объяснения.
Скалируемая инфраструктура для будущих инноваций: Архитектура также поддерживает будущие расширения, такие как интеграция квантовых вычислений и нейроморфных архитектур, размещение неоднородной интеграции и дизайнов на основе чипсетов, а также приспособление к новым стандартам для приложений с низкой мощностью и высокой надежностью.
Future Possibilities
ТЭИнтегрированная AI-Data Engineering Framework proposed by Nandan offers a scalable blueprint for future innovation. His vision for the future emphasizes scalable automation frameworks for evolving design paradigms, scalable automation frameworks for evolving design paradigms, and ethical considerations, including explainability, bias mitigation, and data privacy in AI-augmented semiconductor workflows.
«В следующем десятилетии мы ожидаем переход от изолированных, ориентированных на инструменты рабочих процессов к целостным экосистемам проектирования, поддерживаемым ИИ, где данные свободно циркулируют, решения автоматизируются, а инновации продолжаются», — заключает он.