Q&A：人工智能将如何改变芯片设计
人工智能为半导体行业带来了新的希望和潜力。为了更好地理解人工智能将如何彻底改变芯片设计，我们与MathWorks公司MATLAB平台的高级产品经理希瑟·戈尔进行了交流。
人工智能目前是如何被用于设计下一代芯片的？
希瑟·戈尔： 人工智能是一项非常重要的技术，因为它参与了芯片设计和制造过程中的大部分环节。在很多应用场景中，包括我们希望在通用工艺工程中实现优化的部分，它都发挥着重要作用。我认为缺陷检测在整个过程的所有阶段都是一个重点，尤其是在制造环节。即使在设计过程的早期阶段，当你设计光源、传感器和所有不同的组件时，人工智能也扮演着重要角色。有许多异常检测和故障缓解问题确实需要考虑。
然后，考虑到任何行业都会遇到的物流建模，总是有计划内的停机时间需要去减少；但也会发生计划外的停机。因此，回顾那些制造某样东西花费时间比预期稍长的历史数据，你可以查看所有这些数据，并利用人工智能来尝试找出直接原因，或者在处理和设计阶段发现一些可能突出的问题。我们通常认为人工智能是一种预测工具，或者是一个执行任务的机器人，但很多时候，你可以通过人工智能从数据中获得很多洞察。
在芯片设计中使用人工智能的好处是什么？
戈尔： 从历史上看，我们看到了许多基于物理的建模，这是一个非常密集的过程。我们想要建立一个降阶模型，这样就不必解决计算量巨大且范围广泛的模型，而是可以采用一种成本更低的方法。你可以创建一个所谓的替代模型，基于那个物理模型，使用数据，然后利用替代模型进行参数扫描、优化和蒙特卡罗模拟。这比直接求解基于物理的方程所需的计算时间要少得多。因此，我们在很多方面都看到了这种好处，包括通过快速迭代实验和模拟所带来的效率和经济效益，这将对设计产生真正的帮助。
所以这在某种意义上就像是拥有一个数字孪生？
戈尔： 完全正确。这基本上就是人们正在做的事情，你拥有物理系统模型和实验数据。然后，结合这些，你有了另一个模型，你可以对其进行调整和微调，尝试不同的参数和实验，从而遍历所有不同的情况，最终得出一个更好的设计。
所以它会更高效，而且如你所说，成本更低？
戈尔： 是的，确实如此。尤其是在实验和设计阶段，你正在尝试不同的东西。这显然会在实际制造和生产芯片时带来巨大的成本节约。你希望在尽可能不采用实际工艺工程的情况下，尽可能多地进行模拟、测试和实验。
我们已经谈到了好处。那么缺点呢？
戈尔： 基于人工智能的实验模型通常不如基于物理的模型那么精确。当然，这就是为什么你要进行多次模拟和参数扫描的原因。但这也是拥有数字孪生的好处之一，你可以时刻牢记这一点——它不会像我们多年来开发出的精确模型那样准确。
芯片设计和制造都是系统密集型的；你必须考虑到每一个微小的部分。这可能非常具有挑战性。在这种情况下，你可能有一些模型来预测某些事物及其不同部分，但你仍然需要将它们整合在一起。
另外需要考虑的一点是，你需要数据来构建模型。你必须整合来自各种不同传感器和不同团队的数据，这增加了挑战的难度。
工程师如何利用人工智能更好地从硬件或传感器数据中准备和提取洞察？
戈尔： 我们总是考虑使用人工智能来预测某事或执行某种机器人任务，但你也可以使用人工智能来发现模式，并挑出你自己可能从未注意到的东西。当人们拥有来自许多不同传感器的高频数据时，他们会使用人工智能，并且很多时候，探索频域以及数据同步或重采样等技术是非常有用的。如果你不确定从何入手，这些可能真的很有挑战性。
我想说的一点是，利用现有的工具。有一个庞大的社区在从事这些工作，你可以在GitHub或MATLAB Central上找到很多示例，人们在那里分享了很好的例子，甚至包括他们自己创建的小应用程序。我认为我们很多人都深陷数据之中，不确定该如何处理，所以一定要充分利用社区中已有的资源。你可以探索并看看哪些对你有意义，并将领域知识与从工具和人工智能中获得的洞察相结合。
工程师在使用人工智能进行芯片设计时应该考虑什么？
戈尔： 仔细思考你要解决什么问题，或者你希望发现什么洞察，并尽量明确这一点。考虑所有不同的组件，并对每个部分进行记录和测试。考虑所有参与的人员，并以对整个团队都有意义的方式进行解释和交接。
你认为人工智能将如何影响芯片设计师的工作？
戈尔： 这将释放大量的人力资本，使其能够投入到更高级的任务中。我们可以利用人工智能来减少浪费，优化材料，优化设计，但在决策时仍然需要人的参与。我认为这是人与技术携手合作的一个很好的例子。这也是一个所有相关人员——即使是在制造车间——都需要对正在发生的事情有一定程度理解的行业，所以这是一个推动人工智能发展的绝佳行业，因为我们在将东西放到芯片上之前，会对其进行测试和思考。
你如何展望人工智能和芯片设计的未来？
戈尔： 这在很大程度上取决于人的因素——让人员参与到过程中，并拥有可解释的模型。我们可以通过模型的数学细节做很多事情，但归根结底在于人们如何使用它，过程中每个人如何理解和应用它。在过程中，与各种技能水平的人员进行沟通并让他们参与进来将非常重要。我们将看到更少的超级精确预测，而更多的是信息的透明度、分享以及数字孪生——不仅利用人工智能，还要利用我们的人类知识和许多人多年来所做的所有工作。FINISHED
