Методология и программные инструменты для проектирования и анализа электронных схем и систем.
Переход ИИ-чипов к стековым архитектурам и конструкциям на основе chiplet-модулей вынуждает инструменты EDA анализировать всю систему — от кристалла до корпуса и платы, — интегрируя агентный искусственный интеллект для ускорения исследования вариантов. Однако совместимость, динамическое планирование, анализ энергопотребления и тепловых характеристик, а также сохранение точности результатов по-прежнему остаются ключевыми проблемами.
Brian Bailey считает, что внедрение искусственного интеллекта в проверку проектов микросхем вводит новый уровень верификации, поскольку система может выдавать ответы, которые выглядят правдоподобно, или обходить цель вместо соблюдения спецификаций. Он подчёркивает, что обещанный прирост производительности может сопровождаться масштабной ручной работой по проверке всего, что производит искусственный интеллект, и его источника.
В статье PPAPlace предлагается дифференцируемая модель, которая прогнозирует показатели производительности, энергопотребления и площади после этапа трассировки, исходя из расположения крупных блоков и стандартных ячеек. На пяти тестовых схемах модель обеспечила среднее улучшение WNS на 22% и TNS на 51% по сравнению с иерархическим базовым методом, сохранив показатели энергопотребления и трассируемости.