الرقائق ثلاثية الأبعاد تدفع أدوات تصميم الشرائح إلى إعادة بناء سير العمل

يدفع انتشار الرقائق المكدسة والتصاميم القائمة على chiplets وأشكال التكامل غير المتجانس موردي أدوات أتمتة التصميم الإلكتروني (EDA) إلى تجاوز النموذج التقليدي الذي يعالج الخلية والكتلة والرقاقة كحدود منفصلة. فتصميم مسرعات الذكاء الاصطناعي والحوسبة عالية الأداء يتطلب الآن النظر في الحوسبة والذاكرة والربط البيني والطاقة والحرارة ضمن منظومة واحدة.

تقول Liz Allan في Semiconductor Engineering إن أدوات EDA تتجه إلى التحليل المشترك عبر مجالات متعددة، وتسريع استكشاف البدائل، وإضافة مساعدات تعتمد على الذكاء الاصطناعي الوكيلي. وبدلاً من تشغيل محللات منفصلة في مراحل متأخرة، يحاول الموردون إتاحة نماذج متعددة الفيزياء داخل أداة واحدة، بحيث تظهر آثار القرارات التصميمية أثناء تغير التصميم لا بعد اكتماله.

المشكلة انتقلت إلى حدود النظام

نقل المقال عن Artour Levin، نائب رئيس هندسة سيليكون الذكاء الاصطناعي في Microsoft، أن أصعب مشكلات مسرعات الذكاء الاصطناعي لم تعد محصورة داخل الرقاقة، بل تقع عند حدود النظام. فالرقاقة المنفردة لا تكفي لتشغيل كثير من أعباء الذكاء الاصطناعي، ما يجعل تقييم النظام ككل ضرورياً.

ويرى Hardik Kabaria، الرئيس التنفيذي والمؤسس المشارك لشركة Vinci، أن سير العمل التقليدي نشأ حول حدود تجريد واضحة، مع تأجيل التحقق الفيزيائي إلى نهاية كل مجال. هذا النموذج يصبح أقل ملاءمة عندما تنتقل الحرارة والإجهاد والسلوك الكهربائي عبر كامل المكدس الفيزيائي. لذلك تحتاج الفرق إلى معلومات فيزيائية أثناء اتخاذ القرارات، لا بعد توقف التصميم عن التغير.

ما الذي يتغير عملياً؟

لا يكفي، وفق الطرح الوارد في المادة، تسريع الأدوات القديمة. المطلوب هو إتاحة فيزياء دقيقة وحتمية بصورة مستمرة عبر الرقاقة والحزمة واللوحة والنظام. ويشدد Kabaria على أن النتائج يجب أن تكون قابلة للقياس ودقيقة بما يكفي لدعم قرارات فعلية، مع أهمية قابلية إعادة إنتاج النتائج بين عمليات التشغيل، إلى جانب السرعة.

وتزداد صعوبة التخطيط المكاني مع اختلاف مكونات النظام، إذ يجب توزيع وحدات الحوسبة والذاكرة والربط ومراعاة تأثيراتها المتبادلة. كما تبرز تحديات تتعلق بتوافق الأدوات بين الموردين، والتخطيط الديناميكي، وتحليل هبوط الجهد (IR)، وتحليل التوقيت الساكن (STA).

بين تطوير الأدوات القائمة وبناء أدوات جديدة

تطرح هذه المرحلة سؤالاً استراتيجياً على صناعة EDA: هل يجري توسيع الأدوات الناضجة التي تراكمت فيها عقود من المعرفة، أم تُبنى أدوات جديدة تلائم اختلاف تصاميم الذكاء الاصطناعي والحوسبة عالية الأداء عن الرقائق الأحادية التقليدية؟

قال Henry Sheng، المدير التنفيذي للبحث والتطوير في Synopsys، إن كثيراً من المعرفة المتراكمة لا يزال مهماً، لكن بعض الافتراضات التي تعمل في العزل قد لا تصمد عند الانتقال إلى التحليل متعدد المجالات. ويكمن التحدي في إعادة تنظيم الأدوات والبيانات والمصطلحات ضمن بيئة متماسكة، بدلاً من إعادة اختراع كل شيء أو إبقاء تمثيلات مختلفة للمفهوم نفسه.

قراءة certi.news

التغير الفعلي هنا ليس إضافة ميزة ذكاء اصطناعي إلى أداة EDA فحسب، بل انتقال نقطة القرار من مستوى الرقاقة إلى مستوى النظام. وقد يساعد الذكاء الاصطناعي الوكيلي في أتمتة مهام واستكشاف بدائل أكثر، لكنه لا يلغي الحاجة إلى محاكاة دقيقة وقابلة للتكرار. وتبقى قابلية التشغيل البيني بين الأدوات، وسرعة النماذج متعددة الفيزياء، وقدرتها على مواكبة تصميم متحرك، أسئلة مفتوحة تحدد مدى نجاح هذا التحول.