Полупроводниковая промышленность стремительно меняется благодаря искусственному интеллекту.

На конференции прозвучали мнения, что ИИ и полупроводники в настоящее время являются столпами будущего цифровой экономики . В частности, два элемента — ИИ и полупроводник — неразрывно связаны. Наиболее очевидно, что ИИ помогает автоматизировать процесс производства полупроводников, прогнозировать и выявлять дефекты продукции, повышать качество и эффективность производства.

Г-н Кристофер Нгуен, генеральный директор Aitomatic, привёл пример: к 2030 году некоторые производственные предприятия, особенно передовые, будут предъявлять более строгие требования к стандартам. Например, в процессе плазменной обработки для обеспечения практически абсолютной точности необходимо обеспечить соблюдение таких параметров, как диаметр струи, давление, температура и десятки других. Искусственный интеллект внесет свой вклад в обеспечение этой точности.

«ИИ не может развиваться без полупроводников, и наоборот, полупроводниковая промышленность быстро меняется благодаря достижениям в области ИИ. Это симбиотические отношения, где оба подталкивают друг друга вперёд», — сказал он.

На семинаре выступил г-н Кристофер Нгуен — генеральный директор Aitomatic.

Говоря об общей картине развития технологий, г-н Кристофер Нгуен сослался на закон Мура, утверждающий, что скорость развития искусственного интеллекта и полупроводников очень высока. Каждые 18 месяцев микропроцессорные технологии значительно совершенствуются.

Что касается рынка, то мир демонстрирует впечатляющий рост, и ожидается, что спрос на чипы для обработки ИИ продолжит стремительно расти в ближайшие годы. Такие страны, как США, Китай, Япония и Южная Корея, наращивают инвестиции в эту область. Гонка между странами-лидерами в области технологий крайне ожесточённая.

В области производства микросхем г-жа Анна Голди, старший научный сотрудник Google, отметила, что, хотя потребности ИИ в вычислительных мощностях растут экспоненциально, возможности оборудования не поспевают за ними, создавая растущий разрыв. Для решения этой проблемы были внедрены новые технологии ИИ, такие как AlphaChip — метод проектирования микросхем с использованием ИИ. Она отметила, что благодаря применению ИИ процесс проектирования микросхем значительно ускоряется, что способствует снижению затрат и оптимизации производительности.

«Чтобы полностью раскрыть потенциал ИИ, нам необходимо сократить циклы разработки микросхем, улучшить алгоритмы и максимально эффективно использовать данные. В будущем ИИ не только поможет улучшить аппаратное обеспечение, но и внесет вклад в прорывы во многих других областях, от здравоохранения и финансов до промышленного производства», — заявила г-жа Анна Голди.

В частности, г-жа Анна Голди представила метод AlphaChip, который использует искусственный интеллект для оптимизации компоновки компонентов на кристалле, помогая сократить задержки, сэкономить электроэнергию и оптимизировать производственные площади. ИИ может улучшить процесс проектирования кристалла, сократив время и повысив производительность продукта. AlphaChip применяется в последних поколениях Google TPU, обеспечивая значительную эффективность по сравнению с традиционными методами проектирования.

Тем временем, г-н Чан Тхань Лонг, профессор Уорикского университета, рассказал об усилиях, предпринимаемых по всему миру для повышения эффективности ИИ и полупроводниковых технологий. Например, он рассказал, как использовать память и байесовскую теорию для повышения производительности и масштабируемости искусственного интеллекта (ИИ). Память помогает ИИ долго запоминать информацию и использовать прошлые данные для оптимизации решений.

«Байесовская теория помогает ИИ корректировать вероятности своих прогнозов на основе новых данных, помогая системе обучаться быстрее и эффективнее. Такое сочетание снижает потребность в вычислительных ресурсах, сохраняя при этом высокую точность», — сказал г-н Лонг.

Кроме того, такой подход способствует более плавной работе ИИ в таких областях, как здравоохранение, промышленное производство и автоматизация. В частности, ИИ может эффективнее обрабатывать данные, не полагаясь на крупные центры обработки данных, что позволяет экономить средства и ресурсы. В результате системы становятся более интеллектуальными, эффективными и самонастраивающимися, не требуя больших объёмов данных.

Г-жа Нган Ву из Google DeepMind представляет направление исследований, предлагающее использовать нейронные сети для создания эффективных логических схем. Применяя алгоритмы имитации отжига и другие методы оптимизации, её команда экспертов стремится сократить цикл разработки схем от идеи до готового продукта.

Одна из основных задач — найти баланс между точностью и производительностью схем, чтобы гарантировать не только точную работу, но и экономию ресурсов. Однако, если удастся сократить разрыв между программным и аппаратным обеспечением ИИ, это откроет множество новых возможностей в полупроводниковой промышленности. «Применение ИИ в проектировании схем обещает изменить принципы работы полупроводниковой промышленности, ускорить процесс разработки и создавать более оптимальные конструкции», — сказала г-жа Нган Ву.