В мире проектирования полупроводников нет права на ошибку; процесс «Tapeout» (передача проекта на производство) является бинарным процессом: либо кремний работает, либо он не работает. С появлением агентного ИИ (Agentic AI) в области автоматизации проектирования электроники (EDA) возник фундаментальный вызов: как можно доверять решениям, принятым ИИ-агентом автономно? Ответ кроется в концепции «физической проверки» (Physics-Based Validation).
Различие между физическим рассуждением и физической проверкой
Необходимо четко различать модель искусственного интеллекта, способную «рассуждать» о физических законах, и «физически проверенный» рабочий процесс. В традиционном рабочем процессе агент может допустить ошибку в распределении тепла или электрических путях, и это обнаружится только в конце процесса. В рабочем процессе, основанном на физической проверке, каждое решение, принимаемое агентом, немедленно тестируется с помощью детерминированных движков EDA, основанных на строгих законах физики.
Это означает, что физический движок является «окончательным эталоном» правильности, а не языковая модель или ИИ. Если решение агента не соответствует физическим ограничениям (таким как тепло или напряжение), ошибка обнаруживается и исправляется в тот же момент, прежде чем перейти к следующему шагу, что предотвращает накопление ошибок, которые могут привести к полному провалу проекта.
Проблемы трехмерного проектирования (3D-IC)
Важность этого подхода возрастает с переходом к технологиям трехмерного проектирования (3D-IC) и структурам чиплетов (Chiplets). В таких архитектурах взаимодействия между электрическими, тепловыми и механическими силами становятся чрезвычайно сложными и взаимосвязанными; даже небольшое изменение в распределении энергии может привести к механическому напряжению или внезапному скачку температуры в слоях стекового кремния.
Эти сложности требуют возможности непрерывного проведения мультифизического моделирования (Multi-physics), что недоступно для традиционного ручного проектирования, страдающего от медленной итерации и частых передач данных между инженерами.
Модель Siemens EDA для автономных операций
Компания Siemens EDA представила практический пример с помощью своего агента «Fuse EDA AI Agent», который выступает в роли координатора процессов проектирования. В техническом эксперименте агент координировал электротермический рабочий процесс, состоящий из девяти этапов с использованием семи различных инструментов Siemens EDA, и работа продолжалась более 12 часов в течение сотен автономных циклов. Этот подход показал ощутимые результаты:
- Ускорение настройки инструментов: до 20 раз.
- Снижение инженерных усилий: до 95%.
- Расширение спектра вариантов: возможность оценивать в 50 раз больше вариантов проектирования по сравнению с ручным процессом.
Что меняется на практике?
Этот сдвиг представляет собой переход от использования ИИ как «вспомогательного» инструмента, предлагающего рекомендации, к его использованию в качестве «автономного агента», которому можно доверять в производственных средах. Для полупроводниковых компаний это означает снижение зависимости от ручной проверки человеком каждого шага, что ускоряет цикл разработки продуктов без ущерба для точности.
Тем не менее, ограничения по точности самих физических движков сохраняются; надежность здесь заключается не в интеллекте машины, а в способности системы подвергать этот интеллект физическим тестам, не допускающим двусмысленности. Будущий вопрос будет заключаться не в том, «может ли ИИ спроектировать чип?», а в том, «в какой степени мы можем интегрировать физическое моделирование в каждый импульс его решений?».