Sekta ya semiconductor sasa iko katika mstari wa mahitaji ya kuongezeka kwa utendaji na utata usio na hofu, pamoja na changamoto zinazoongezeka zinazohusiana na kuboresha kubuni na ufanisi wa uzalishaji. Lithography ya kompyuta Mtaalamu wa Botlagunta Preethish Nandan hivi karibuni amefunua mfumo wa kubuni ya semiconductor ya kizazi cha pili kwa kuunganisha ufahamu ulioongozwa na data na automatisering iliyoongezeka na AI. Katika makala yake ya utafiti yenye kichwa "Integrating AI na Uhandisi wa Data kwa ajili ya Mipango ya Chip ya Semiconductor ya Intelligent na Optimization," Nandan ametoa wito wa mabadiliko muhimu kwa sekta. Anasema kwamba mbinu za kubuni za jadi zinaongezeka zaidi na mahitaji ya nodes ya lithography ya sub-3nm na High-NA EUV kwa sababu zinaathiriwa na taratibu za mikononi, taratibu za kazi za rigid, na mtiririko wa data. Mfumo wake wa pamoja unaimarisha upungufu huu ili kuimarisha mtiririko wa kazi, kuboresha taratibu za kubuni, na kuongeza utabiri wa mazao.   Understanding the Challenge   Sekta ya semiconductor imeshuhudia mabadiliko makubwa katika miaka ya hivi karibuni, na vifaa vimekuwa ngumu zaidi na multifunctional. Leo, chips kuunganisha mabilioni ya transistors, kila moja na uhusiano mgumu. changamoto zimeongezeka kwa kiwango kikubwa kama sekta imeanza kuingiza miundombinu mpya kama vile chips 3D stacked na ushirikiano heterogeneous. Mchakato wa kubuni wa jadi unategemea mbinu za uthibitisho wa static, kuingilia kati, na mtiririko wa data wa kipekee unaohusika na zana tofauti za EDA. Njia hii ya upungufu inaweza kusababisha ufanisi kama vile upatikanaji mdogo wa tena wa data ya kubuni, vikwazo vya kubuni, na hatari ya kushindwa katika hatua ya mwisho. Pia, kwa kuwa muundo wa chip unahusisha utendaji kadhaa kama vile RF, analog, digital, na usimamizi wa nguvu, seti za data za kipekee zinazoundwa na kila kikoa ambazo zinapaswa kuunganishwa kwa uchambuzi unaofaa. ugumu huu hufanya ni muhimu sana kuchukua mbinu ambazo zinaweza kusimamia seti za data za ukubwa wa juu, kuharibu silos za data, na kuhakikisha uamuzi usio na shaka katika mtiririko wa kubuni na uzalishaji. "Kwa kukosekana kwa mifumo ya data na automatisering, timu za kubuni zinatakiwa kuendesha labyrinth inayoongezeka ya utata, na hatari ya makosa ya gharama kubwa na mzunguko wa kubuni wa muda mrefu. Sio tena ya kutosha kutegemea kuboresha kwa kasi, tunahitaji mabadiliko ya paradigm ambayo huunganisha AI na uhandisi wa data kwa kubuni ya akili na kupanua," Nandan inasisitiza. Data-Driven and AI-Augmented Design Optimization   Suluhisho lililopendekezwa na Nandan linahusiana na uhandisi wa data wa mwisho hadi wa mwisho, unaounganishwa kikamilifu na AI pipeline. Njia hii inakabiliwa na maeneo ya wasiwasi yanayohusiana na upungufu wa data, vikwazo vya manually, na ufafanuzi mdogo. Uhandisi wa mfumo wa Uhandisi wa Takwimu: Mkakati huu unatumia usanifu unaofaa wa data pipeline ambayo inaweza kutekeleza ukusanyaji wa data na preprocessing ya utaratibu kutoka hatua za kubuni, simulation, na majaribio, viwango vya muundo wa data tofauti ili kuhakikisha ushirikiano kati ya zana za kubuni, upanuzi wa data ya kimwili na updates ya wakati halisi. Mfumo huo unahakikisha kwamba hakuna data muhimu ya kubuni inachukuliwa bila kutumia kwa kuanzisha msingi wa data-centric. Inakuza dataset kamili ambayo hutoa uchambuzi wa AI-driven kupitia ushirikiano wa mifano ya takwimu, metadata ya kubuni, na kumbukumbu za utendaji. AI-Augmented Design Automation: ikiwa ni pamoja na algorithms ya kusimamiwa, semi-supervised, na kuimarisha kujifunza, mifano ya AI inatumika kutabiri mabadiliko ya uzalishaji na kuboresha utendaji wa layout, kuzalisha mifano ya majaribio ya kukabiliana na makosa ya kina, na automatiska muundo wa mantiki, nafasi, na maamuzi ya njia ili kupunguza kuingilia kwa manually na wakati wa kurudi. "AI haina tu automatiska kazi za kawaida; inawezesha uchunguzi wa akili wa nafasi kubwa za kubuni, kuharakisha uamuzi na kuongeza usahihi," Nandan anasema. "mfano wetu unaendelea kujifunza kutoka kwa data ya kihistoria na wakati halisi, kuruhusu uboreshaji wa kukabiliana na mahitaji ya kubuni." Key Features and Innovations Pamoja na vipengele kadhaa vya ubunifu, mfumo wa ushirikiano wa Nandan hauna tu kukabiliana na vikwazo vya sasa lakini pia hutoa ngazi mpya za kubuni na uzalishaji wa ubora. Usimamizi wa Data ya Juu: Mfumo huu unatumia data za juu za kukusanya data, algorithms za shinikizo, na mbinu za kukata ili kuondoa habari muhimu wakati wa kupunguza upungufu wa kuhifadhi. Inahakikisha upatikanaji wa haraka na uchambuzi wa data ya kubuni, kutumika tena kwa data za miradi, na kurekebisha data ya kurekebisha kwa kutekeleza utaratibu wa data ya nguvu na tagging ya akili. Ushirikiano wa AI wa ngazi za mraba: Mfumo huu inaruhusu mifano ya AI kujifunza na kutenda katika hatua za muundo, mzunguko, na uzalishaji. Hii inajumuisha mifano ya muundo wa mantiki ya kukabiliana ambayo huimarisha mikakati ya kuweka na kuelekeza katika muda halisi, algorithms za kutabiri ambazo zinaathiri matokeo kulingana na data ya awali ya awali, na mifumo ya kujifunza mashine ya makosa ya makosa ambayo inaboresha upatikanaji wa makosa na kupunguza matokeo ya uongo. Msaada wa uamuzi wa wakati halisi na automatisering: Mfumo huu unatumia injini za ufuatiliaji wa wakati halisi na vifaa vya data vya kuhamisha kutoa maoni ya haraka wakati wa iterations ya kubuni. Enhanced Interpretability and Explainability: the framework incorporates interpretable AI models capable of generating human-readable explanations. Miundombinu ya uwezekano wa kupanua kwa uvumbuzi wa baadaye: Miundombinu hiyo pia inasaidia upanuzi wa baadaye kama vile ushirikiano wa kompyuta ya quantum na miundombinu ya neuromorphic, kukabiliana na ushirikiano wa heterogeneous na miradi ya msingi ya chip, na kulinganisha na viwango vinavyotokea kwa maombi ya nguvu ndogo na ya kuaminika. Future Possibilities  ya Mfumo wa Uhandisi wa AI-data Mtazamo wake kwa siku zijazo unazingatia mifumo ya uendeshaji wa uendeshaji kwa mifumo ya kubadilika ya kubuni, mifumo ya uendeshaji wa uendeshaji wa uendeshaji kwa mifumo ya kubadilika ya kubuni, na mawazo ya maadili, ikiwa ni pamoja na ufafanuzi, kupunguza upendeleo, na faragha ya data katika mtiririko wa kazi wa semiconductor ulioongezeka na AI. "Katika miongo ijayo, tunatarajia mabadiliko kutoka kwa mtiririko wa kazi unaojitegemea, unaojitegemea zana, kwa mazingira ya usanifu, unaoweza kuunganishwa na AI ambapo data hupita kwa uhuru, maamuzi hutumiwa na uvumbuzi unaendelea," anasema.

This story contains new, firsthand information uncovered by the writer.

Sauti hii imetolewa katika lugha asilia ya hadithi!

Ndefu sana; Kusoma

Make resilience your competitive advantage

Botlagunta Preethish Nandan Inaonyesha Mfumo wa AI-Powered kwa Next-Gen Semiconductor Design

About Author

MAONI

HANG TAGS

MAKALA HII ILIWASILISHWA NDANI

Related Stories

A PENDENT WORLD

Details of the Aerial Voyage.—Kennedy silenced

Speed up Swift compile time

#ellenBrain Turns a Long Weekend Into: HackerNoon Swag Around the World

A PENDENT WORLD

Details of the Aerial Voyage.—Kennedy silenced

Speed up Swift compile time

#ellenBrain Turns a Long Weekend Into: HackerNoon Swag Around the World

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps