最新の報道、解説、関連するテクノロジーストーリーを確認できます。
最新の技術研究論文では、広帯域幅メモリ(HBM)の消費電力、GAAFETトランジスタのリーク経路の分析、および設計・検証におけるエージェンティックAIの活用にスポットライトが当てられています。
Cadenceは、フィジカルAIが推論の精度だけに依存するのではなく、応答時間、電力、熱、信頼性、データ移動に関する厳しい制約の下で、センシング、意思決定、行動の実行を行う能力に依存すると説明している。本稿は、システムの予測可能な挙動を確保するうえで、エッジコンピューティング、メモリ、インターコネクト、入出力インターフェースが果たす役割を浮き彫りにする。
Semiconductor Engineeringの記事は、チップ設計におけるAIエージェントの自律性を評価するため、5段階の枠組みを提示している。特定タスクの最適化から、管理されたエンジニアリング範囲内で完全なワークフローを実行する段階までを対象とする。記事は、自律性のレベルだけでは不十分であり、意思決定の範囲、検証メカニズム、介入および最終承認に対するエンジニアの責任を明確にしなければならないと強調している。
AIデータセンターは、バックアップ電源システムと信頼性要件のため、利用可能な電力容量の一部を消費し、実際には使用されない容量を残している。分析では、電圧低減技術と負荷管理により、この容量を活用しつつ、電源の一つが故障した際には急速に縮退運転へ移行できる可能性を検討する一方、スケジューリング、セキュリティ、障害対応の課題も残るとしている。
Semiconductor Engineeringは、チップ設計と先進的なアーキテクチャに影響を与える複数の動向を取り上げている。そこには、アーキテクチャの進化、3D-IC設計における人工知能の利用、インドの半導体産業の成長、6G技術の進展が含まれる。
Cadence、ChipAgents、Keysight EDA、Siemens EDA、Synopsysの専門家を集めた議論では、エージェント型AIが単一タスクの自動化から、長時間にわたる複数エージェントのフロー実行へと移行したことが明らかになった。しかし、設計範囲の定義、結果の検証、重大なエラーを防ぐガードレールの構築には、依然として人間が必要である。
Arteris、Cadence、Keysight EDA、Rambus、Siemens EDA、Synaptics、Synopsysの専門家を集めた議論では、チップセキュリティはもはや設計の最後に追加する機能でも、市場の承認を得るための認証でもないとの見方が示された。組み込みソフトウェア、FPGAs、ネットワーク、chipletsを通じて攻撃が拡大する中、コンポーネントを継続的に可視化し、脆弱性を追跡し、出荷後も監視することが求められている。