השפעת הבינה המלאכותית על תהליך תכנון השבבים

תהליך תכנון השבבים הופך לאתגר מורכב יותר ויותר. כיצד השימוש בבינה מלאכותית ולמידת מכונה מסייע לתעשייה לעמוד בדרישות זמן ההגעה לשוק, לשפר את תהליך התכנון ולהפחית את כמות ההתערבות הידנית בו?

ישראל גור-אריה
תוכן שיווקי
שתפו כתבה במיילשתפו כתבה במייל
כמות הפונקציות העצומה המעורבת בתכנון השבבים
כמות הפונקציות העצומה המעורבת בתכנון השבביםצילום: shutterstock
ישראל גור-אריה
תוכן שיווקי

בינה מלאכותית (AI) מבטיחה לחולל מהפכה בחייהם של אנשים. בין אם מדובר במכוניות אוטונומיות או בתעשייה הרפואית, כולנו נרוויח ממהפכה זאת. אלגוריתמים של למידת מכונה (ML), הם ההזדמנות המאפשרת את מהפכת האלקטרוניקה הזו ויצירת רנסנס חדש בתחום תכנון השבבים.

ישראל גור-אריהצילום: יח"צ

מהנדסים המתכננים שבבים מתמודדים כידוע, עם לחצים גדלים והולכים במסגרת לוחות זמנים צפופים. כמות הפונקציות העצומה המעורבת בתכנון השבבים - מיליארדי טרנזיסטורים ופריטי תכנון, ריבוי השלבים בתהליך התכנון של 5 ו-3 ננומטר וההגעה ליעד החמקמק של PPA (Power, Performance and Area), הופכים את תכנון השבבים לאתגר שנעשה מורכב יותר ויותר.

אחת הטכנולוגיות שאמורה לסייע בפיצוח האתגרים הללו היא הבינה המלאכותית ולא בכדי התפתח Hype משמעותי סביב השימוש בה בתחום אוטומציית התכנון האלקטרוני, ה-EDA (Electronic Design Automatio).

ה-EDA הוביל במהלך ההיסטוריה פריצות דרך במידת היעילות שהניב למתכנני שבבים, אשר הצליחו לייצר יותר באותו חלון זמן ולהגיע לרמת פונקציונליות חדשה. אולם, למרות שהפרודוקטיביות הכללית עלתה, השיפור היה הדרגתי ולא התרחשה קפיצת מדרגה משמעותית בתחום. עם זאת, פעם ב-15-20 שנה קורה משהו שמשנה את כללי המשחק, ואנו נמצאים כעת באחד מאותם רגעים טקטוניים. השימוש בבינה מלאכותית בתחום ה-EDA לא רק משפר את תהליכי התכנון, אלא משנה באופן מהותי את מה שניתן להשיג במסגרת התהליך, את מה שניתן לתכנן, את גודל הצוותים הנחוצים לתכנון, את היכולות הנדרשות לשם כך ואת מודל המו"פ כולו.

לעשות יותר באותו פרק זמן

מהנדסים נזקקים כל הזמן ליכולות תכנון חדשות כדי להתמודד עם אתגרים של צריכת חשמל ודחיסות, וכדי לפתור בעיות טכנולוגיות שעולות בתהליך התכנון של השבבים. לכן, כאמור, עיקר חשיבותה של פריצת דרך בתחום ה-EDA היא היכולת של מתכננים לעשות יותר באותו פרק זמן.

חברת "טקסס אינסטרומנטס" מדאלאס השיקה את תעשיית המעגלים המשולבים ב- 1958 כאשר ג'ק קילבי הניח שני טרנזיסטורים על פיסת סיליקון אחת. סימולציית SPICE היוותה אז פריצת דרך גדולה שהובילה ליצירת כלי ה-EDA הראשונים. אחר כך הגיעה האבסטרקציה לרמת השערים הלוגיים (gates) ומשם החל תהליך הדרגתי של שיפור ברמת הפרודוקטיביות, שאיפשרה למתכננים ליצור שבבים.

כאשר השבבים הגיעו לרמה של יותר ממיליון טרנזיסטורים, השיפור ההדרגתי כבר לא הספיק כדי לעמוד בקצב. אז הופיעו כלים כמו תכנון RTL וסינתזה - ותפוקת המתכננים גדלה מ-200 שערים לוגיים בשבוע ל-2,000. הביטוי "לחדש או למות" שיקף את המגמה בעולם וכך מהנדסים שבחרו ללמוד RTL וסינתזה פרחו, ואלה שלא אימצו את הכלים הללו נאלצו למצוא עבודה אחרת.

מאז ראינו התקדמות הדרגתית מתמשכת, שנבנתה סביב השינוי המשמעותי הזה, אך נראה שמסלול התקדמות זה עומד להיתקל בחומה. טכנולוגיית הבינה המלאכותית אמנם מאפשרת להתגבר על האתגרים בתחום תכנון השבבים שניצבים בפני הדור הנוכחי ולשפר את רמת הפרודוקטיביות של המתכננים, אולם עלינו לשנות לחלוטין את מבנה הכלים והתפישות הקיימות, ולא רק לייעל גישות ישנות. רק כאשר נחשוב אחרת, נוכל להרחיב את טווח האפשרויות בתחום.

לעמוד בדרישות השוק

בסופו של דבר, מכפיל הכוח של ארגון תלוי בכמה מהר הצוותים שלו יכולים להתחיל פרויקט וכמה משאבים ממוחשבים מוקצים להם. מערכי בינה מלאכותית יכולים להשלים את מערך המיומנויות של צוות התכנון ולהשתלב בסביבת ייצור השבבים לצד המהנדסים האנושיים.

צריך לזכור, כי באופן היסטורי כלי ה- EDA אינם "חכמים", הם אף פעם לא זוכרים דבר מהרצה אחת לשנייה. למידת מכונה מאפשרת להפוך את הכלים לחכמים יותר, כך שיזהו אוטומטית את המהלכים השגויים וישמרו בזיכרון את כל מבני הדאטה.

הבינה המלאכותית מאפשרת השגת תוצאות טובות יותר, מהר יותר, וכן מוזילה עלויות לאור האפשרות לעבוד עם פחות מהנדסים. בנוסף, הביצועים המשופרים של הכלים החכמים מאפשרים להשוות יכולות של מהנדסים עם רמות כישורים ומיומנות שונות.

החזון - לשפר את התכנון

אנו כבר משתמשים בטכניקות של למידת מכונה כדי לייצר תוצאות טובות וצפויות יותר עבור משימות רבות בזרימת התכנון. למידת מכונה מסייעת לתעשייה לעמוד בדרישות זמן ההגעה לשוק, לשפר את תהליך התכנון ולהפחית את כמות ההתערבות הידנית בו. כבר היום יש כלים שמציעים פתרונות לבעיות נפוצות, שלצוותי תכנון ייקח שבועות או חודשים לפתור ללא סיוע של AI.

מחקר המכונה והלמידה העמוקה משפרים הן את תכנון המעגלים המשולבים והן את האימות הלוגי (וריפיקציה), כאשר החזון הוא לשפר את התכנון. מינוף ספריות של אלגוריתמים לרוחב פלטפורמות ומוצרים שונים, בא להבטיח כי החדשנות תשפיע על כל כלי התכנון ופתרונות ה-IP.

לאלו שעדיין מתלבטים בנוגע ליתרונות הבינה מלאכותית בתחום ה-EDA, כדאי לזכור שהמטרה היא שיפור רמת הפרודוקטיביות, ומבחינה זו מדובר ב"לחדש או למות" של הדור שלנו.

מובילה את עולם תכנון המערכות האלקטרוניות

חברת קיידנס מובילה את עולם תכנון המערכות האלקטרוניות הן בתחום ה- EDA והן ב-IP, עם יותר מ-30 שנות מומחיות בתחום התוכנה החישובית. קיידנס מעסיקה בישראל מעל 300 מהנדסים בשלושה מרכזי פיתוח - פתח תקווה, חיפה ותפן.

הכותב הוא מנהל תחום תכנון דיגיטלי, קיידנס ישראל