Tillverkaren NVIDIA använder artificiell intelligens för att påskynda halvledarutvecklingen

NVIDIA har implementerat användningen av generativ artificiell intelligens och maskininlärningsmodeller för att omstrukturera sin halvledarutveckling. Företagets Executivos presenterade detaljer om proprietära verktyg under en nyligen genomförd teknisk debatt riktad mot teknikmarknaden. De nya systemen kan komprimera tekniska scheman som tidigare tagit år av strukturell planering. Agora, samma jobb kräver bara några timmars kontinuerlig bearbetning.

Essa-automatisering tillåter en enda grafisk bearbetningsenhet att utföra mycket komplexa uppgifter, som att anpassa cellbibliotek för nya produktionsprocesser. Mängden arbete som krävde den dagliga ansträngningen av ett helt team av ingenjörer började levereras i en nattlig datorcykel. Förändringen signalerar en djupgående omvandling av hårdvaruindustrins verksamhetsmodell, förändrar kostnadsdynamiken och lanserar deadlines för nya komponenter på den globala marknaden.

Sistema NB-Cell automatiserar ingenjörsprocesser på rekordtid

NB-Cell-mjukvaran fungerar som huvudhöjdpunkten bland komponenttillverkarens interna lösningar. Systemet fungerar baserat på förstärkningsinlärningstekniker för att agera på migreringen och optimeringen av standardcellbibliotek. Essa-steget representerar en av de mest byråkratiska och tidskrävande faserna i att skapa en modern processor. Tekniken analyserar biljoner av strukturella möjligheter på millisekunder. Människans kognitiva kapacitet kan inte bearbeta denna volym av variabler på samma tid.

Antes för att anta detta specifika verktyg, förbrukade uppgiften cirka 80 manmånader av företagets ansträngning. I praktiken krävde processen exklusivt engagemang av åtta seniora ingenjörer under nästan ett års hektiskt arbete i företagets laboratorier. Atualmente, proceduren slutförs på en enda natt av automatiserad behandling. Företaget rapporterar att resultaten som levereras av maskinen överträffar manuellt tillverkade konstruktioner över flera prestandamått.

Den direkta effekten av denna automatisering resulterar i att antagandet av nya tillverkningstekniker i industriell skala accelererar. Företaget kan ta ut nya produkter till marknaden mycket oftare än den historiska standarden inom tekniksektorn. Att minska ingenjörstiden frigör specialiserade yrkesverksamma att fokusera på mer komplexa arkitektoniska problem, medan kretstilldelningen är optimeringsalgoritmernas ansvar.

Ferramentas utforska okonventionella arkitekturer för att få effektivitet

Tillämpningen av artificiell intelligens hittar också hårdvarulösningar som avviker från den traditionella logiken inom elektroteknik. Prefix RL-verktyget fokuserar sin verksamhet på utformningen av lookahead-bärkedjor, viktiga komponenter för höghastighets aritmetisk bearbetningsprestanda. Det neurala nätverket utforskar kretskonfigurationer utan de konceptuella begränsningar som ställs av mänskliga designers. NVIDIA identifierade nya arkitekturer med denna metod. Laboratorietester registrerade energieffektivitet och hastighetsökningar på mellan 20 % och 30 %.

Tillverkaren stödjer denna utvecklingsinfrastruktur genom specialiserade språkmodeller fokuserade på precisionsteknik. Systemen utbildas från årtionden av intern dokumentation som företaget samlat på sig genom dess historia. Ekosystemet integrerar olika fronter för att täcka alla stadier av en chipdesign:

• NB-cell: Otimização för layout och minskning av det fysiska området för bearbetningsceller.
• Prefix RL: Criação av komplexa kretsarkitekturer med okonventionell logik.
• Chip Nemo: Modelo-språk som hjälper ingenjörer att konsultera tekniska specifikationer och standarder.
• Bug Nemo: Artificiell Inteligência som syftar till att identifiera, screena och korrigera brister i kiseldesign.
• Verif-AI: Formell verifiering Ferramenta som säkerställer integriteten hos automatiskt genererade kretsar.

Integreringen av dessa resurser skapar en miljö där historisk dokumentation fungerar som den primära databasen för att mata nya neurala nätverk. Bug Nemo minskade avsevärt felsökningstiden inom laboratorier. Kritiska Falhas upptäcks innan chippet går in i den fysiska prototypfasen. Åtgärden undviker ekonomiskt miljonslöseri i halvledargjuterier. Ett konstruktionsfel i detta slutskede kan försena lanseringar med månader och kosta förmögenheter i kasserade råvaror.

Expansão för konsumentmarknaden och påverkan på direkt konkurrens

Tillkännagivandet av ny teknik kommer vid en tidpunkt då NVIDIA expanderar sin verksamhet till marknaden för högpresterande bärbara datorer. Det nuvarande fokuset involverar bearbetning av artificiell intelligens som arbetar lokalt på användarnas maskiner. Protótipos av moderkort utrustade med NVIDIA N1 system-on-chip har dykt upp i de senaste laboratorietester. Hårdvaran har robusta konfigurationer med upp till 128 GB integrerat RAM-minne. Företagsdesignens effektivitet når snabbt produkter riktade till slutkonsumenten.

Aggressiv designautomation underbygger företagets ledarskap i mycket konkurrensutsatta branscher som datacenterinfrastruktur och den globala marknaden för elektroniska spel. Genom att minska mänskliga fel och utvecklingstid kan nya GPU-arkitekturer itereras med oöverträffade hastigheter. Innovationscykeln har blivit betydligt kortare och mer förutsägbar för företagets investerare.

Marknadstrenden indikerar att andra halvledarjättar kommer att följa liknande vägar på kort sikt. Empresas som Intel och AMD måste omfatta djup automatisering för att bibehålla teknisk konkurrenskraft. Rörelsen undviker den exponentiella ökningen av utvecklingskostnader i allt mindre tillverkningsnoder, där den fysiska komplexiteten hos kisel kräver miljardinvesteringar i forskning och utveckling.

Human Supervisão fokuserar på strategisk validering och kvalitetskontroll

NVIDIA betonar att hårdvaruingenjörens roll har genomgått en nödvändig utveckling med tanke på framgången med automatiserade verktyg. Proffs lägger mindre tid på att repetitivt designa grundläggande kretsar. Det nuvarande fokuset ligger på att sätta parametrar på hög nivå och etisk tillsyn över artificiell intelligenssystem. Den assisterade designmodellen kräver att team behärskar nya tekniska färdigheter. Datakurering för träningsmodeller som Chip Nemo har blivit en daglig verksamhetsprioritet.

Teknisk precision fungerar som den centrala pelaren i denna nya fas av automatiserad industriell utveckling. Qualquer-fel i den artificiella intelligensmodellen under konstruktionen av ett 2-nanometerschip kan göra hela partier av kisel oanvändbara i fabriker. Tillverkaren använder rigorösa korsvalideringssystem för att verifiera varje logisk grind som genereras av maskinerna. Målet är att skapa en säker och skalbar återkopplingsslinga. Kraftfullare hårdvara möjliggör utbildning av smartare system som designar nästa generations processorer.

Företagets prognoser indikerar att mänskligt ingripande i fysisk design kommer att bli allt mer strategiskt och mindre operativt under de kommande åren. Mikroarkitekturen och det exakta arrangemanget av transistorerna kommer att vara ansvaret för komplexa matematiska algoritmer. Förändringen gör produktionen billigare på lång sikt och accelererar lanseringstakten. De fysiska gränserna för kisel utforskas maximalt genom aldrig tidigare skådade optimeringar. Traditionell manuell ingenjörskonst hade inte beräkningskapaciteten att kartlägga dessa strukturer med samma hastighet och precision som den nuvarande marknaden kräver.