Kaip AI pakeis lusto dizainą

Artėja Moore’o įstatymo pabaiga. Inžinieriai ir dizaineriai gali padaryti tik tiek, kad miniatiūrizuotų tranzistorius ir supakuotų kuo daugiau jų į žetonus. Taigi jie kreipiasi į kitus mikroschemų dizaino metodus, įtraukdami tokias technologijas kaip AI į procesą.

Pvz. Kalbėdamas apie „Speed“, „Google“ TPU V4 AI lustas padvigubino savo apdorojimo galią, palyginti su ankstesne versija.

Tačiau AI turi daugiau pažadų ir galimybių puslaidininkių pramonei. Norėdami geriau suprasti, kaip AI yra skirta pakeisti lustų dizainą, kalbėjomės su Heather Gorr, „Mathworks Matlab“ platformos vyresniuoju produktų vadovu.

Kaip AI šiuo metu naudojama kurti naujos kartos žetonus?

Heather Gorr: PG yra tokia svarbi technologija, nes ji dalyvauja daugelyje ciklo dalių, įskaitant projektavimo ir gamybos procesą. Čia yra daug svarbių programų, net ir bendrojo proceso inžinerijoje, kur norime optimizuoti dalykus. Manau, kad defektų aptikimas yra didelis visuose proceso etapuose, ypač gamyboje. Bet net galvoju apie projektavimo procesą (AI dabar vaidina svarbų vaidmenį), kai kuriate šviesą ir jutiklius bei visus skirtingus komponentus. Yra daug anomalijos aptikimo ir gedimų mažinimo, į kurį tikrai norite atsižvelgti.

Heather Gorr„Mathworks“

Tada, galvodamas apie logistinį modeliavimą, kurį matote bet kurioje pramonėje, visada planuojama prastovos, kurią norite sušvelninti; Bet jūs taip pat turėsite neplanuotą prastovą. Taigi, žvelgdami į tuos istorinius duomenis, kai turėjote tų akimirkų, kai galbūt prireikė šiek tiek ilgiau, nei tikėtasi, kad ką nors pagamintumėte, galite pažvelgti į visus tuos duomenis ir naudoti AI, kad pabandytumėte nustatyti arškintą priežastį arba pamatyti tai, kas gali iššokti net apdorojimo ir projektavimo etapuose. Mes dažnai galvojame apie AI kaip numatomą įrankį arba kaip robotą ką nors darantį, tačiau daug kartų jūs gausite daug informacijos iš duomenų per AI.

Kokie yra AI naudojimo lusto dizainui pranašumai?

Gorras: Istoriškai mes matėme daug fizikos pagrįsto modeliavimo, kuris yra labai intensyvus procesas. Mes norime padaryti redukuotą užsakymo modelį, kai, užuot išsprendę tokį skaičiavimo požiūriu brangų ir platų modelį, galime padaryti ką nors pigesnio. Galite sukurti surogatinį modelį, taip sakant, apie tą fiziką pagrįstą modelį, naudoti duomenis ir atlikti savo parametrų šluotus, optimizavimus, savo Monte Karlo modeliavimą naudodami „Surrogate“ modelį. Skaičiuojant, tai užtrunka daug mažiau laiko, nei tiesiogiai išspręsti fiziką pagrįstas lygtis. Taigi, mes matome šią naudą įvairiais būdais, įskaitant efektyvumą ir ekonomiką, kurie yra greitai pakartojami eksperimentuose ir modeliavimai, kurie tikrai padės projektavimui.

Taigi tai yra tarsi tam tikra prasme turėti skaitmeninį dvynį?

Gorras: . Tai beveik tai, ką žmonės daro, kur turite fizinės sistemos modelį ir eksperimentinius duomenis. Tuomet kartu turite šį kitą modelį, kurį galėtumėte pataisyti ir sureguliuoti bei išbandyti įvairius parametrus ir eksperimentus, kurie leido perlipti per visas šias skirtingas situacijas ir sugalvoti geresnį dizainą galų gale.

Taigi, tai bus efektyvesnė ir, kaip jūs sakėte, pigiau?

Gorras: Taip, tikrai. Ypač eksperimentavimo ir projektavimo etapuose, kur jūs bandote skirtingus dalykus. Akivaizdu, kad tai duos dramatiškų išlaidų sutaupymo, jei iš tikrųjų gaminate ir gaminate (žetonų). Norite imituoti, išbandyti, kiek įmanoma daugiau eksperimentuoti, nepadarę kažko, naudodamiesi tikrąja proceso inžinerija.

Mes kalbėjome apie pranašumus. Kaip dėl trūkumų?

Gorras: (AI pagrįsti eksperimentiniai modeliai) paprastai nėra tokie tikslūs kaip fizikos modeliai. Žinoma, todėl atliekate daug modeliavimo ir parametrų. Bet tai taip pat yra tas skaitmeninis dvynys, kuriame jūs galite tai atsiminti – jis nebus toks tikslus, kaip tas tikslus modelis, kurį mes sukūrėme per daugelį metų.

Tiek lustų dizainas, tiek gamyba yra reikalaujanti sistemos; Jūs turite atsižvelgti į kiekvieną mažą dalį. Ir tai gali būti tikrai sudėtinga. Tai atvejis, kai galbūt turite modelių, kad galėtumėte numatyti ką nors ir skirtingos jo dalių, tačiau vis tiek turite viską sujungti.

Vienas iš kitų dalykų, apie kuriuos reikia galvoti, yra tai, kad norint sukurti modelius reikia duomenų. Turite įtraukti visų rūšių skirtingų jutiklių ir skirtingų rūšių komandų duomenis, taigi tai padidina iššūkį.

Kaip inžinieriai gali naudoti AI norėdami geriau paruošti ir išgauti įžvalgas iš aparatūros ar jutiklių duomenų?

Gorras: Mes visada galvojame apie AI naudojimą ką nors nuspėti ar atlikti roboto užduotį, tačiau galite naudoti AI norėdami sugalvoti modelius ir išsirinkti dalykus, kurių galbūt dar nepastebėjote. Žmonės naudos AI, kai turi aukšto dažnio duomenis iš daugelio skirtingų jutiklių, ir daugybę kartų naudinga ištirti dažnių sritį ir tokius dalykus kaip duomenų sinchronizavimas ar atranka. Tai gali būti tikrai sudėtinga, jei nežinote, nuo ko pradėti.

Vienas iš dalykų, kuriuos sakyčiau, yra naudokite turimus įrankius. Šiais dalykais dirba didžiulė žmonių bendruomenė, todėl galite rasti daugybę pavyzdžių (programų ir technikos) „GitHub“ ar „Matlab Central“, kur žmonės pasidalino gražiais pavyzdžiais, net ir mažai jų sukurtomis programomis. Manau, kad daugelis iš mūsų yra palaidoti duomenyse ir tiesiog nežinia, ką su juo daryti, todėl būtinai pasinaudokite tuo, kas jau yra bendruomenėje. Galite ištirti ir pamatyti, kas jums yra prasminga, ir pristatyti tą domenų žinių pusiausvyrą ir įžvalgą, kurią gaunate iš įrankių ir AI.

Ką inžinieriai ir dizaineriai turėtų atsižvelgtiET naudojate AI lusto dizainui?

Gorras: Pagalvokite, kokias problemas bandote išspręsti ar kokias įžvalgas galite tikėtis rasti, ir pabandykite tai suprasti. Apsvarstykite visus skirtingus komponentus ir dokumentuokite ir išbandykite kiekvieną iš šių skirtingų dalių. Apsvarstykite visus susijusius žmones ir paaiškinkite bei atiduokite protingam visai komandai.

Kaip manote, ar AI paveiks lustų dizainerių darbus?

Gorras: Tai išlaisvins daug žmogiškojo kapitalo, atliekant sudėtingesnes užduotis. Mes galime naudoti AI norėdami sumažinti atliekas, optimizuoti medžiagas, optimizuoti dizainą, tačiau tada jūs vis tiek turite tą žmogų, kai reikia priimti sprendimus. Manau, kad tai puikus žmonių ir technologijų, dirbančių rankoje, pavyzdys. Tai taip pat pramonė, kurioje visi dalyvaujantys žmonės – net ir gamybos aukšte – reikia šiek tiek suprasti, kas vyksta, taigi tai yra puiki pramonė, siekiant pažangumo AI dėl to, kaip mes išbandome dalykus ir kaip mes galvojame apie juos, kol mes dedame prieš dedant juos ant lusto.

Kaip įsivaizduojate AI ir lustų dizaino ateitį?

Gorr: Tai labai priklauso nuo to žmogaus elemento – įsitraukiantiems žmonėms proceso metu ir turint tą aiškinamą modelį. Mes galime padaryti daugybę dalykų, naudodamiesi matematiniais modeliavimo smulkmenomis, tačiau tai priklauso nuo to, kaip žmonės jį naudoja, kaip visi proceso metu supranta ir taiko. Visų įgūdžių lygio žmonių bendravimas ir įsitraukimas bus tikrai svarbus. Mes matysime mažiau tų puikių prognozių ir daugiau informacijos skaidrumo, dalijimosi ir to skaitmeninio dvynuko – ne tik naudojant AI, bet ir naudojant mūsų žinias apie žmogaus žinias ir visą darbą, kurį daugelis žmonių atliko per daugelį metų.