- Türk dili
-
EnglishDeutschItaliaFrançais日本語한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикAfrikaansIsiXhosaisiZululietuviųMaoriKongeriketМонголулсO'zbekTiếng ViệtहिंदीاردوKurdîCatalàBosnaEuskeraالعربيةفارسیCorsaChicheŵaעִבְרִיתLatviešuHausaБеларусьአማርኛRepublika e ShqipërisëEesti Vabariikíslenskaမြန်မာМакедонскиLëtzebuergeschსაქართველოCambodiaPilipinoAzərbaycanພາສາລາວবাংলা ভাষারپښتوmalaɡasʲКыргыз тилиAyitiҚазақшаSamoaසිංහලภาษาไทยУкраїнаKiswahiliCрпскиGalegoनेपालीSesothoТоҷикӣTürk diliગુજરાતીಕನ್ನಡkannaḍaमराठी
E-mail:Info@Y-IC.com
Akıl hocası: AI, yarı iletken endüstrisindeki on yıllık büyüme için başka bir katalizör olacak
2001'de İnternet baloncuğu patladıktan sonra, birçok insan tüm yarı iletken endüstrisinin gelecekteki gelişimi hakkında şüphelerle doluydu.
O zamanki pazar çöküşünde, birçok yarı iletken şirket entegre olmaya başladı; endüstrinin rüzgar sermayesine cazip yatırımı da büyük ölçüde azaldı; süreç geliştirme ve diğer yönlerde teknoloji araştırma ve geliştirme de durgun ve yavaşladı.
Ancak, yarı iletken endüstrisi şimdi yeni bir geri dönüş gördü. Ji Wei.com gibi muhabirlerle yapılan röportajda Mentor IC EDA Genel Müdür Yardımcısı Joseph Sawicki, endüstrinin yapay zeka ve makine öğrenimi gibi yeni teknolojilerin uyarılması altındaki fırsatlarla dolu olduğunu söyledi.
Bir McKinsey raporu, yapay zekanın birçok dikey alana uygulanabileceğine ve bu da yarı iletken şirketlerin bu teknoloji yığınlarından toplam değerin% 40 ila% 50'sini yakalamasına izin verdiğine dikkat çekti. Joseph, yapay zekanın yarı iletken endüstrisinde 10 yıllık bir büyüme döngüsü için güçlü bir katalizör olacağını söyledi. Ancak bu eğilimi gerçekten gerçekleştirmek için destek olarak çok fazla veri gerekiyor.
"Yeterli veriyle, tahmini olabilirsiniz, böylece makinenizi çok güvenilir bir şekilde eğitebilir ve makinenin etkili bir şekilde öğrenmesini sağlayabilirsiniz." Joseph ayrıca, yüksek hızlı iletişim için gerekli ve oluşturulan veri miktarının önümüzdeki 12 yıl içinde artacağını da sözlerine ekledi. Binlerce kez büyümeyi başlatacak ve bu verilerin analiz edilmesi ve daha sonra bu analize dayanarak harekete geçmesi gerekiyor.
Ancak, “veri tsunami” nin etkisi altında, yapay zekanın gelişimi de çeşitli çelişkilerle karşı karşıyadır. Joseph yapay zekanın geliştirilmesinde birbiriyle çelişen iki hedeften bahsetti:
Bir amaç, birçok insanın veri merkezinin bu kadar büyük miktardaki verilerle başa çıkma yeteneklerini sürekli olarak güçlendirmek istemesidir. Dolayısıyla Alibaba ve Amazon gibi şirketler, büyük miktarda veriyi eğitmek için bu motoru kullanan AI ile ilgili motorlar geliştiriyor.
Öte yandan, bazı şirketlerin amacı gittikçe daha fazla işlem gücünü bulutun kenarına itmek ve böylece veri merkezinin gelişimi üzerinde bir miktar baskı oluşturmaktır.
O zamanki pazar çöküşünde, birçok yarı iletken şirket entegre olmaya başladı; endüstrinin rüzgar sermayesine cazip yatırımı da büyük ölçüde azaldı; süreç geliştirme ve diğer yönlerde teknoloji araştırma ve geliştirme de durgun ve yavaşladı.
Ancak, yarı iletken endüstrisi şimdi yeni bir geri dönüş gördü. Ji Wei.com gibi muhabirlerle yapılan röportajda Mentor IC EDA Genel Müdür Yardımcısı Joseph Sawicki, endüstrinin yapay zeka ve makine öğrenimi gibi yeni teknolojilerin uyarılması altındaki fırsatlarla dolu olduğunu söyledi.
Bir McKinsey raporu, yapay zekanın birçok dikey alana uygulanabileceğine ve bu da yarı iletken şirketlerin bu teknoloji yığınlarından toplam değerin% 40 ila% 50'sini yakalamasına izin verdiğine dikkat çekti. Joseph, yapay zekanın yarı iletken endüstrisinde 10 yıllık bir büyüme döngüsü için güçlü bir katalizör olacağını söyledi. Ancak bu eğilimi gerçekten gerçekleştirmek için destek olarak çok fazla veri gerekiyor.
"Yeterli veriyle, tahmini olabilirsiniz, böylece makinenizi çok güvenilir bir şekilde eğitebilir ve makinenin etkili bir şekilde öğrenmesini sağlayabilirsiniz." Joseph ayrıca, yüksek hızlı iletişim için gerekli ve oluşturulan veri miktarının önümüzdeki 12 yıl içinde artacağını da sözlerine ekledi. Binlerce kez büyümeyi başlatacak ve bu verilerin analiz edilmesi ve daha sonra bu analize dayanarak harekete geçmesi gerekiyor.
Ancak, “veri tsunami” nin etkisi altında, yapay zekanın gelişimi de çeşitli çelişkilerle karşı karşıyadır. Joseph yapay zekanın geliştirilmesinde birbiriyle çelişen iki hedeften bahsetti:
Bir amaç, birçok insanın veri merkezinin bu kadar büyük miktardaki verilerle başa çıkma yeteneklerini sürekli olarak güçlendirmek istemesidir. Dolayısıyla Alibaba ve Amazon gibi şirketler, büyük miktarda veriyi eğitmek için bu motoru kullanan AI ile ilgili motorlar geliştiriyor.
Öte yandan, bazı şirketlerin amacı gittikçe daha fazla işlem gücünü bulutun kenarına itmek ve böylece veri merkezinin gelişimi üzerinde bir miktar baskı oluşturmaktır.
Uç hesaplamada çip gelişimi, veri merkezinin gerektirdiği çipi büyük ölçüde aşacaktır. Tractica'ya göre, 2016'dan 2021'e kadar, kenara bağlı cihazların bileşik yıllık büyüme oranı% 190 kadar yüksek olacak.
Joseph, daha yakın, uç hesaplama / işlemenin yarı iletken endüstrisindeki büyümenin ana motoru olacağını söyledi. Birçok alandaki belirli uygulamalar, optimum talaş performansı elde etmek için optimize edilmiş talaş tasarımları gerektirdiğinden, bu Mentor gibi EDA takım satıcıları için bir fırsat olacaktır.
Joseph, yapay zeka hesaplamasında, çip tasarımının genellikle belirli mimari geliştirme gereksinimleri tarafından tanımlandığını vurgular. Dolayısıyla, mevcut AI geliştirme platformu önceki geliştirme ortamından tamamen farklıdır.
Bu bağlamda Joseph, Mentor'un yonga tasarım araçlarını özellikle AI alanı için tanıttı:
lHLS (yüksek seviye sentez): NVIDIA'yı örnek olarak alalım. Bu aracı kullanarak verimliliği yaklaşık iki katına ve doğrulama maliyetlerini% 80 oranında artırabilirsiniz.
lHiyerarşik test: Müşterilerin üretkenliği daha da artırmasına ve maliyetleri azaltmasına yardımcı olur. Graphcor'un müşterisini örnek alarak, bu aracı kullanarak DFT verimliliği 4 kat artırıldı, test aktarım hızı büyük ölçüde geliştirildi ve tasarım süresi, gerçek verilere dayanarak 3 güne kısaldı.
LOPC teknolojisi: yarı iletken üretiminde kullanılır, bir Maske üretmek için 7nm temelinde bir gün çalıştırmak için 4.000 CPU gerekir, ancak makine öğrenme algoritmaları kullanıyorsanız, çalışma süresini 3-4 kat azaltabilirsiniz.
lLFD (litografik olarak uygun) teknolojisi: verim sınır faktörünü önemli ölçüde azaltır ve üretimin 10 katı çalışma süresini azaltır. Sadece üretim sürecindeki hataları tanımlamakla kalmaz, aynı zamanda hataları da tahmin eder.
lYönetim aracı: ürün veya bileşen arızası sorununu çözer ve üretimin kalitesini ve verimliliğini artırır.
Buna ek olarak, Mentor, otomotiv endüstrisi için bir karakterizasyon teknolojisi platformu sağlayarak, genel güvenilirlik ve güvenliğin ayrıntılı bir analizini sağlar ve karakterizasyon süresini 100 faktör azaltmak için AI ile birleştirir. PAVE 360 Otopilot Simülatörü ayrıca sanal makine altında dünya koşulları, doğrulama süresini daha da azaltır.
Gelecekteki akıllı çipler özel veya esnek olsun, endüstrinin farklı sesleri vardır. Ancak Joseph, mikronet muhabirine EDA'nın tarafsız bir araç olduğunu söyledi. Gelecekte, Mentor müşterilerin yazılımlarını belirli ortamlarda modellemek ve geliştirmek için araçları kullanabileceği geniş bir ortam sağlayacaktır. Bu Mentor'un bir EDA şirketi olarak sunduğu en önemli değerdir.
Joseph, daha yakın, uç hesaplama / işlemenin yarı iletken endüstrisindeki büyümenin ana motoru olacağını söyledi. Birçok alandaki belirli uygulamalar, optimum talaş performansı elde etmek için optimize edilmiş talaş tasarımları gerektirdiğinden, bu Mentor gibi EDA takım satıcıları için bir fırsat olacaktır.
Joseph, yapay zeka hesaplamasında, çip tasarımının genellikle belirli mimari geliştirme gereksinimleri tarafından tanımlandığını vurgular. Dolayısıyla, mevcut AI geliştirme platformu önceki geliştirme ortamından tamamen farklıdır.
Bu bağlamda Joseph, Mentor'un yonga tasarım araçlarını özellikle AI alanı için tanıttı:
lHLS (yüksek seviye sentez): NVIDIA'yı örnek olarak alalım. Bu aracı kullanarak verimliliği yaklaşık iki katına ve doğrulama maliyetlerini% 80 oranında artırabilirsiniz.
lHiyerarşik test: Müşterilerin üretkenliği daha da artırmasına ve maliyetleri azaltmasına yardımcı olur. Graphcor'un müşterisini örnek alarak, bu aracı kullanarak DFT verimliliği 4 kat artırıldı, test aktarım hızı büyük ölçüde geliştirildi ve tasarım süresi, gerçek verilere dayanarak 3 güne kısaldı.
LOPC teknolojisi: yarı iletken üretiminde kullanılır, bir Maske üretmek için 7nm temelinde bir gün çalıştırmak için 4.000 CPU gerekir, ancak makine öğrenme algoritmaları kullanıyorsanız, çalışma süresini 3-4 kat azaltabilirsiniz.
lLFD (litografik olarak uygun) teknolojisi: verim sınır faktörünü önemli ölçüde azaltır ve üretimin 10 katı çalışma süresini azaltır. Sadece üretim sürecindeki hataları tanımlamakla kalmaz, aynı zamanda hataları da tahmin eder.
lYönetim aracı: ürün veya bileşen arızası sorununu çözer ve üretimin kalitesini ve verimliliğini artırır.
Buna ek olarak, Mentor, otomotiv endüstrisi için bir karakterizasyon teknolojisi platformu sağlayarak, genel güvenilirlik ve güvenliğin ayrıntılı bir analizini sağlar ve karakterizasyon süresini 100 faktör azaltmak için AI ile birleştirir. PAVE 360 Otopilot Simülatörü ayrıca sanal makine altında dünya koşulları, doğrulama süresini daha da azaltır.
Gelecekteki akıllı çipler özel veya esnek olsun, endüstrinin farklı sesleri vardır. Ancak Joseph, mikronet muhabirine EDA'nın tarafsız bir araç olduğunu söyledi. Gelecekte, Mentor müşterilerin yazılımlarını belirli ortamlarda modellemek ve geliştirmek için araçları kullanabileceği geniş bir ortam sağlayacaktır. Bu Mentor'un bir EDA şirketi olarak sunduğu en önemli değerdir.