مستقبل أدوات تصميم الرقائق يتجه إلى الأتمتة المدعومة بالأدلة

يتجه الذكاء الاصطناعي في تصميم الرقائق نحو دور يتجاوز تحسين أدوات المحاكاة أو التخطيط الفردية، ليصبح طبقة تنسيق بين مراحل التصميم والفرق والقيود والمعرفة المتخصصة. غير أن هذا التحول لا يعني تسليم مواصفات الشريحة أو قرار الاعتماد النهائي إلى نماذج احتمالية؛ فالقيمة العملية ستتحدد بقدرة الأنظمة على نقل نية التصميم والافتراضات والأدلة بين الأدوات من دون فقدان معناها.

تأتي هذه الحاجة في وقت أصبحت فيه التصاميم تضم عشرات المليارات من الترانزستورات، وتجمع بين chiplets وقوالب متعددة، بينما قد تصل كلفة التصميم عند العقد المتقدمة إلى مئات الملايين من الدولارات. في هذه البيئة، يمكن لدورة إعادة تصميم واحدة أن تهدد البرنامج بأكمله، كما أن نقص المهندسين ذوي الخبرة يجعل تقليص زمن الوصول إلى النتائج أولوية متزايدة.

المشكلة تقع بين الأدوات

يمر تصميم الشريحة عبر مراحل متخصصة تشمل الاستكشاف المعماري، وRTL، والتحقق، والتوليف، والتخطيط والتنفيذ، وتحليل التوقيت والطاقة، والتحقق الفيزيائي، واختبارات DFT، ثم المطابقة مع نتائج ما بعد التصنيع. وغالباً ما طورت هذه الأدوات جهات مختلفة، باستخدام نماذج بيانات وافتراضات وتعريفات متباينة لما يعنيه اكتمال المهمة.

لذلك لا يكفي نقل الملفات بين الأدوات. يجب الحفاظ على القيود ونية التصميم والسياق الهندسي، وإلا اضطر المهندسون إلى إعادة تفسير المتطلبات وبناء الاختبارات والخصائص والاستثناءات يدوياً. وتشمل نقاط الضعف المتكررة غياب نموذج دلالي مشترك، وفقدان المعلومات عند انتقال العمل من التصميم إلى التحقق، وتعدد صيغ البيانات وقواعد البيانات المغلقة، إضافة إلى الوقت الذي ينفقه المهندسون في مطابقة القيود والتنازلات واستثناءات التوقيت بين مراحل متجاورة.

قد تحقق أداة هدفاً محلياً، مثل تحسين الأداء، لكنها تخلق مشكلة لاحقة في الازدحام أو التوقيت أو دورات ECO. ومن هنا تنشأ فرصة الذكاء الاصطناعي في تحسين التدفق ككل بدلاً من تحسين كل أداة بمعزل عن النتائج downstream.

من المساعد إلى منسق سير العمل

يرى مسؤولو Siemens EDA وSynopsys وArteris وKeysight EDA وChipAgents وغيرهم أن الأتمتة الوكيلة يمكن أن تنسق مهام كانت تستغرق أسابيع، مثل الربط بين إدراج DFT وتحليل التوقيت وتصحيح المشكلات. لكن ذلك يتطلب وصولاً إلى المعرفة المنهجية المتراكمة لدى الفرق، وإلى تمثيل موحد لنوايا التصميم، لا مجرد القدرة على استدعاء الأدوات.

وتتدرج الاستخدامات المطروحة من حلقات تحسين عبر حدود الأدوات، إلى طبقات المساعد والوكلاء التي تربط مراحل المعمارية وRTL والتحقق والتصميم الفيزيائي، ثم إلى طبقة قابلية تشغيل بينية تعتمد نماذج بيانات محايدة للمورد. وتُذكر مبادرات مثل Schema Ontology التابعة لـ Si2 ومعيار CDC/RDC Integration Standard من Accellera بوصفها أمثلة على البنية المطلوبة كي تتمكن الوكلاء من تفسير نتائج الأدوات دون إعادة بناء السياق عند كل انتقال.

ما الذي يثبت أن النتيجة صحيحة؟

السرعة وحدها لا تكفي في تصميم الرقائق. قد يقترح الذكاء الاصطناعي خصائص أو تأكيدات أو إصلاحات، لكن المقترح يظل فرضية إلى أن يتحقق منه محرك حتمي. وكما يوضح التحليل، فإن تشغيل نموذج لغوي أو الحصول على إجابة من prompt ليس برهاناً؛ البرهان هو نتيجة مكتملة ضد خاصية صحيحة وقابلة لإعادة الإنتاج.

لهذا تتجه النماذج العملية إلى إبقاء المواصفات وقرار sign-off بيد المهندس، مع عزل التعديلات المقترحة في بيئة sandbox ومراجعتها قبل اعتمادها. ويمكن للوكيل تحليل الإخفاقات، وتقديم إصلاح، وإعادة تشغيل regression، ثم عرض التغييرات والنتيجة على المهندس بدلاً من تعديل الشيفرة مباشرة.

وتزداد أهمية هذا الحذر لأن أدوات التحقق نفسها قد تحتوي أخطاء. تشير المادة إلى دراسة كشفت 16 خطأ منفصلاً عبر ثلاثة أدوات تجارية لفحص التكافؤ بين C وRTL، بينها حالات أعلنت تكافؤ تصميمات غير متكافئة. لذلك يجب أن تنقل الأتمتة ليس البيانات فقط، بل أيضاً حدود كل نتيجة وافتراضاتها وحالتها الإثباتية وسجل إعادة إنتاجها.

لماذا يهم هذا التحول؟

المعيار التنافسي المقبل في EDA لن يكون عدد الوكلاء أو مقدار الوقت الذي توفره أداة منفردة، بل قدرة التدفق على إنتاج أدلة قابلة للتدقيق عبر حدوده. يهم ذلك خصوصاً للتصاميم المرتبطة بالسلامة والأمن والسيارات، حيث لا تكفي عبارة أن النظام تقارب في وقت أقل؛ المطلوب معرفة الخصائص المثبتة، وتلك التي ما زالت محدودة، وما اقترحه الذكاء الاصطناعي ولم يُتحقق منه.

وتبقى القيود واضحة. النماذج الحالية ليست متخصصة أو منخفضة الكلفة أو واعية بالفيزياء بما يكفي لتوليد RTL أو تخطيطات تناظرية أو حزم متقدمة أو netlists محسّنة بالكامل مع تحقق نهائي عند الطلب. كما أن إضافة واجهة ذكاء اصطناعي لا تحل عنق الزجاجة إذا ظلت تهيئة المحاكاة تستغرق ساعات وتشغيلها أياماً. القيمة تظهر عندما تكون التحليلات الأساسية سريعة ومؤتمتة وحتمية وقابلة للاستخدام أثناء تغير التصميم.

القراءة الأهم هنا أن الذكاء الاصطناعي لن يلغي الحدود بين المواصفات والتنفيذ والتحقق والاعتماد. لكنه قد يقلص كلفة المصالحة عند كل حد، بشرط أن تتحول هذه الحدود من أماكن لفقدان المعنى إلى نقاط لتجميع الأدلة. عملياً، يظل النموذج الأقرب للواقع هو: الذكاء الاصطناعي للاستكشاف والتنسيق والسرعة، ومحركات EDA الحتمية لإثبات صحة النتيجة.