סופו של חוק מור מתקרב ויש גבול למה שמתכנני השבבים יכולים לעשות כדי למזער טרנזיסטורים ולארוז כמה שיותר מהם בתוך שבב בודד. כיום נדרשות גישות חדשות לתכנון שבבים ושילוב בינה מלאכותית (AI) היא אחת החשובות שבהן.
חברת סמסונג הקוריאנית כבר מוסיפה בינה מלאכותית לשבבי הזיכרון שלה כדי לאפשר עיבוד מהיר יותר וחסכון נוסף באנרגיה. אם כבר מדברים על מהירות, שבב TPU V4 AI של גוגל הכפיל את כוח העיבוד שלו בהשוואה לגרסתו הקודמת בעזרת בינה מלאכותית.
אבל בינה מלאכותית טומנת בחובה עוד הבטחה או נכון יותר לומר מהפיכה והיא קשורה ביכולת לשלב את יכולות הבינה מלאכותית בתכנון שבבי הדור הבא.
במהלך השנים האחרונות, ראינו ניצנים של שימוש בבינה המלאכותית בתהליך פיתוח השבבים. כיום כשמדברים על שבבים מתוכננים בעזרת בינה מלאכותית, מתכוונים בעיקר לתכנונים החדשנים ביותר המיוצרים בטכנולוגיות מתקדמות כמו 7 ננומטר, 5 ננומטר וקטנות עוד יותר. האתגרים הרבים בתכנון שבבים מתקדמים הוא שמאיץ את האימוץ של כלי תכנון ופתרונות המבוססים על בינה מלאכותית ומאפשרים שיפור של גבולות המתח, הביצועים והשטח (PPA) תוך שמירה על כללי ייצור מחמירים. הם מסתמכים על שבועות או אפילו חודשים של ניסויים בהובלת מהנדסים מנוסים כדי ליצור את התוצאות הטובות ביותר האפשריות. גישה זו, הידועה בכינויה חקר החלל התכנוני (DSE), משפרת משמעותית את הפרודוקטיביות של המתכננים ואת זמן היציאה לשוק ועדיין משאירה את ה-PPA על השולחן.
בינה מלאכותית מתכננת את השבבים החדשניים של התעשייה
יישומי תכנון מונעי בינה מלאכותית מאפשרים למתכננים להשיג פתרונות שנחשבו בעבר בלתי אפשריים, ובמקרים רבים, בלתי ניתנים להשגה בשיטות מסורתיות. מאמר שפורסם לאחרונה במגזין WIRED מתאר כיצד הצליחה חברת סמסונג למנף את תוכנת Synopsys AI כדי לתכנן את שבבי הסמארטפון האחרונים של Exynos .ארט דה ג'וס יו"ר ומנכ"ל משותף של Synopsys, תיאר בנאום המרכזי של ועידת Hot Chips האחרונה , את התוצאות המרשימות של יישום יכולות בינה מלאכותית בתכנון שבבים מתקדמים בטכנולוגיות סאב מיקרון. גם חברות ספקי כלי תכנון אחרים החלו לספק לאחרונה פתרונות מבוססי בינה מלכותית ולימוד מכונה ומולן חברות כגון גוגל ואנבידיה המפתחות כיום את שבביהן בצורה עצמאית, מודות כי הן מעונינות להיעזר בבינה מלאכותית לתכנון יעיל יותר של שבביהן.
גם שבבי צמתי מיינסטרים זקוקים לבינה מלאכותית
רוב השבבים המיועדים להתקנים אלקטרוניים כמו מכשירי חשמל ביתיים, מחשבים, רכבים, ניידים, ציוד תעשייתי ושירותי בריאות מיוצרים גם כיום בטכנליוגיות יצור ותיקות יחסית (16/14/12 ננומטר ומעלה). למעשה, תכנונים אלה מהווים יותר מ-50% מהשבבים המתוכננים כיום והמגמה נמשכת גם בעתיד, כפי שמוצג בדוח האחרון של IBS.
ברוב המוצרים האלקטרוניים הנ"ל האתגר המרכזי הוא לשמור על עלויות נמוכות או אפילו לצמצמן ולכן אין למתכננים תמריץ להקטין את גודל הטרנזיסטורים של המוצרים ולהסתכן בהעלאת מחירי היצור ולהוסיף סיכון ניכר ללוח הזמנים של הפרויקט. למרות שבדרך כלל הביצועים אינם בראש סדר העדיפויות של שבבים אלה, ייתכן ותידרש מהירות גבוהה יותר מול מוצרים תחרותיים חדשים. באופן דומה, ייתכן שיהיה צורך להוסיף תכונות חדשות בתגובה לתחרות או כדי לתת מענה ליישומי שוק משתנים.
על כל האתגרים הללו נוסף לאחרונה המחסור הגלובלי בשבבים, שהוחמר בעקבות מגיפת הקורונה, ויצר בעיות בשרשרת האספקה. בעיות אלה גורמות לפעמים לתכנון מחדש של השבב, להחלפת היצרן ולעליה בעליות היצור .
זה המקום שבו אוטומציה מונעת בינה מלאכותית יכולה לסייע .כדי להשיג דיוק רב יותר, ומהירות תכנון טובה יותר החברות המתכננות שבבים מתקדמים יכולות להשתמש בנתונים חיים של חיישני כלים, קריאות מטרולוגיה וקריאות חיישני כלים משלבי תהליך קודמים, מה שמאפשר למודלים של בינה מלאכותית ולימוד מכונה ללכוד קשרים לא ליניאריים בין זמן תהליך ותוצאות יצור. הנתונים שנאספו עשויים לכלול זרמים חשמליים בתהליך, עוצמת האור בליטוגרפיה וטמפרטורות יצור. עם מודלים אלה, ניתן ליישם זמני תתכנון ויצור אופטימליים להפחית את עליות המוצר הסופי (COGS) ולהגדיל את התפוקה.
לסיכום ניתן לומר בוודאות כי לבינה מלאכותית יש פוטנציאל אדיר לשיפור תכנון שבבים בהיבטים רבים כולל תכנון לוגי, הטמעה, אימות, בדיקה ועוד. אנחנו רק בתחילתו של מה שיהיה עידן חדש של תכנון מונחה בינה מלאכותית. עם ההתעוררות האחרונה בביקוש לחומרה בכל פלח שוק, טוב שיש לנו יכולת שימוש בבינה מלאכותיח כיד שתסייע לנו להאיץ את תכנון השבבים בכל טכנולוגית תכנון ויצור.
