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。
チップレット技術、物理AI、および自動生成された設計の検証における課題を含む、チップ設計の未来に関する主要な技術的洞察の概要。
本分析では、アドバンスド・パッケージング(Advanced Packaging)時代における半導体業界が直面する複雑な課題を検討する。製造プロセスの機密性を維持しつつ、企業間で正確な技術モデルを共有する必要性が高まっているが、データの隠蔽が行き過ぎると、モデルの精度が低下する恐れがあると警告している。
SynopsysとAnsysの技術協力は、アルゴリズムによって生成された設計案を物理シミュレーションを用いて検証することで、AIにおける「ブラックボックス」問題の解決に焦点を当てている。
SynopsysとAnsysは、日本で開催された「Ansys Simulation World 2026」において、人工知能(AI)とマルチフィジックスシミュレーションを融合させ、エンジニアリング設計の効率を向上させるための技術統合を発表しました。
Semiconductor Engineeringは、チップ設計用AIエージェントやSpectre-v2の脅威から、先端パッケージングとフォトニクスの拡大、エンジニア不足まで、半導体産業における主要な進展を取り上げた。全体像からは、AIインフラの成長がメモリ、電力、ネットワーク接続、製造能力に同時に圧力をかけていることが明らかになっている。
AIチップの積層構造やチップレットベースの設計への移行により、EDAツールはチップからパッケージ、基板に至るシステム全体を分析し、探索を高速化するエージェント型AIを統合する必要に迫られている。しかし、相互運用性、動的なフロアプランニング、電力・熱解析、結果の精度維持は依然として主要な課題である。
分析記事は、人工知能がチップ設計ツールで最大の価値を発揮するのは、単一のツールを改善する場合ではなく、ツール間およびチーム間のワークフローを調整する場合だと結論づけている。ただし、その導入は、意味の一貫性、決定論的な検証、あらゆる結果を監査できる可能性を条件とする。
半導体パッケージング業界では、パッケージやパネルの大型化に伴って深刻化する、ダイ、基板、周囲のモールド材の熱膨張差を低減できる負の熱膨張材料が研究されている。しかし、これらの材料を広く採用するには、広い温度範囲で機能すること、均一に混合できること、不純物を管理できることが条件となる。
デジタルツインは、パッケージの理論上の設計を模倣するだけでは不十分であり、生産ラインが実際に製造するものと同期し続け、チップ、材料、サプライヤー、試験のデータを結び付けなければならない。本稿は、文脈の不足、物理的影響の相互作用、継続的な校正の必要性が、先進チップパッケージ向けデジタルツイン構築の主な障害であることを明らかにする。
エネルギー密度の上昇とチップレット設計の複雑化により、熱は後からチップレベルだけで試験する制約ではなく、初期段階から考慮すべきアーキテクチャ上の制約となっている。Synopsys、Silvaco、Vinci、Keysight EDA、Siemens EDAの専門家は、チップとパッケージ、ボード、システムを結び付けるために、マルチフィジックスモデリングとデジタルツインが不可欠になったと見ている。
EDA企業および半導体企業の専門家の見解から、ハードウェアとソフトウェアの開発統合は、作業チームやツールの違いから完全なワークロードのシミュレーションの難しさに至るまで、組織的・技術的な障壁に直面していることが分かる。AIはRTLやソフトウェアの記述を支援できる可能性があるが、複雑なアーキテクチャ上の意思決定を行うための十分なコンテキストは、まだ備えていない。
1キロワットレベルでの動作は単一の試験状態を意味しない。負荷、発熱箇所、稼働時間、電力供給経路によってリスクは変化する。Semiconductor Engineeringの分析では、検証は電気的故障の検出だけでなく、チップ、パッケージ、試験システム、フィールドデータまで含める必要があるとされている。
2ナノメートル未満の製造ノードへの移行により、テスト、計測、検査、製造の役割が統合され、チップはばらつきや欠陥に対してより敏感になっている。Semiconductor Engineeringの分析は、歩留まりと信頼性を維持するには、設計から稼働までのチップのライフサイクル全体にわたるデータ管理が条件になったと指摘している。
物理世界と相互作用する人工知能システムのセキュリティ確保は、ネットワークの保護やモデルのテストだけに限定できず、データ、センサー、ハードウェア、ソフトウェア、そして稼働中のシステムの挙動まで対象にすべきだと、スポンサー提供による論説は指摘している。意思決定を行い、変化する環境にリアルタイムで適応するエージェント型システムの普及に伴い、このアプローチの重要性はさらに高まっている。
ヒューマノイドロボットは、センサーデータの処理と動作制御のために、集中型と分散型のコンピューティングを組み合わせる必要がある。しかし、人間のすぐ近くで動作するため、侵入によってシステムが停止するだけでなく、物理的な危害につながるリスクも高まる。Semiconductor Engineeringの分析では、コンピューティングアーキテクチャの設計、人工知能モデルの保護、通信、音声・視覚的インタラクションのセキュリティに関する課題が示されている。
컴퓨팅 역량에 대한 수요가 급증하면서 데이터센터 운영자들은 보안의 개념을 칩의 신원, 펌웨어 무결성, 공급망 이력, 포스트양자 암호화 대비까지 포함하도록 확장하고 있다. 업계 전문가들은 ‘제로 트러스트’ 모델과 지속적인 모니터링이 더욱 중요해졌다고 보지만, 이러한 방식은 비용과 복잡성을 높이고 제품 인증 지연을 악화시킬 수 있다.
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。
Georgia Institute of TechnologyとSynopsysの研究者らは、2ナノメートルノード向けに、モノリシック3次元設計を採用した6トランジスタSRAMセルを提案している。この設計では、バックエンド・オブ・ライン層にインジウム・ガリウム酸化物のパスゲートを使用する。研究では、高性能シリコンベースラインと比較して、サブアレイレベルで面積を25%削減し、書き込み時間を42.2%短縮したと報告されている。
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。
大規模言語モデルは、チップ設計仕様をSystemVerilog Assertionsによる形式的プロパティへ変換し、検証用ドラフトの準備時間を短縮する段階に近づいている。しかし、仕様の不足、構文的には正しくても論理的には弱いプロパティを生成する可能性、レビュー負担の増大により、人間による監督は不可欠である。一方、実際の経済的効果はなお確定していない。