Průmysl polovodičů se díky umělé inteligenci rychle mění.

Na konferenci se zaznělo, že umělá inteligence a polovodiče jsou v současnosti pilíři budoucnosti digitální ekonomiky . Zejména dva prvky, „umělá inteligence“ a „polovodič“, jdou ruku v ruce. Nejzřejměji umělá inteligence pomáhá automatizovat proces výroby polovodičů, předvídat a detekovat vady produktů a zlepšovat kvalitu a efektivitu výroby.

Například podle pana Christophera Nguyena, generálního ředitele společnosti Aitomatic, budou do roku 2030 některé výrobní závody, zejména pokročilé výrobní závody, vyžadovat přísnější standardy. Například v procesu plazmového zpracování budou parametry, jako je průměr paliva, tlak, teplota a desítky dalších faktorů, zajištěny téměř absolutní přesností. K zajištění této přesnosti přispěje umělá inteligence.

„Umělá inteligence se nemůže rozvíjet bez polovodičů a naopak, polovodičový průmysl se díky pokroku v umělé inteligenci rychle mění. Je to symbiotický vztah, kde se obě technologie vzájemně posouvají vpřed,“ řekl.

Průmysl polovodičů se díky umělé inteligenci rychle mění (foto 1)

Na workshopu vystoupil pan Christopher Nguyen - generální ředitel společnosti Aitomatic.

Pokud jde o obecný technologický obraz, pan Christopher Nguyen citoval Moorův zákon, který potvrzuje, že tempo vývoje umělé inteligence a polovodičů je velmi rychlé. Každých 18 měsíců dochází k významnému zlepšení mikroprocesorové technologie.

Pokud jde o trh, svět zaznamenává pozoruhodný růst a očekává se, že poptávka po čipech pro zpracování umělé inteligence v nadcházejících letech dále prudce poroste. Země jako USA, Čína, Japonsko a Jižní Korea zvyšují investice do této oblasti. Souboj mezi předními zeměmi v oblasti technologií je extrémně nelítostný.

V oblasti výroby čipů paní Anna Goldieová, vedoucí vědecká pracovnice společnosti Google, uvedla, že zatímco výpočetní potřeby umělé inteligence exponenciálně rostou, hardwarové možnosti nedrží krok, což vytváří rostoucí mezeru. Pro řešení tohoto problému byly zavedeny nové technologie umělé inteligence, jako je AlphaChip – metoda návrhu čipů s využitím umělé inteligence. Uvedla, že díky aplikaci umělé inteligence se proces návrhu čipů neuvěřitelně zrychluje a zároveň pomáhá snižovat náklady a optimalizovat výkon.

„Abychom plně využili potenciál umělé inteligence, musíme zkrátit cykly návrhu čipů, vylepšit algoritmy a maximálně využít data. V budoucnu umělá inteligence nejen pomůže zlepšit hardware, ale také přispěje k utváření průlomů v mnoha dalších oblastech, od zdravotnictví, financí až po průmyslovou výrobu,“ uvedla paní Anna Goldie.

Konkrétně paní Anna Goldie představila metodu AlphaChip, která využívá umělou inteligenci k optimalizaci rozložení komponent na čipu, což pomáhá snížit latenci, šetřit energii a optimalizovat výrobní prostor. Umělá inteligence může vylepšit proces návrhu čipů zkrácením času a zlepšením výkonu produktu. AlphaChip byl aplikován na nedávné generace TPU od Google a přináší značnou efektivitu ve srovnání s tradičními metodami návrhu.

Mezitím pan Tran Thanh Long - profesor na Warwick University - se podělil o další informace o celosvětovém úsilí, které pomáhá zvyšovat výkon umělé inteligence a polovodičových technologií. Zmínil například, jak využít paměťové úložiště a Bayesovu teorii ke zlepšení výkonu a škálovatelnosti umělé inteligence (AI). Paměťové úložiště pomáhají AI pamatovat si informace po dlouhou dobu a využívat minulá data k optimalizaci rozhodování.

„Bayesovská teorie pomáhá umělé inteligenci upravovat pravděpodobnosti predikce na základě nových dat, což systému pomáhá učit se rychleji a efektivněji. Tato kombinace snižuje potřebu výpočetních zdrojů a zároveň zajišťuje vysokou přesnost,“ řekl pan Long.

Tento přístup navíc pomáhá umělé inteligenci fungovat hladceji v oblastech, jako je zdravotnictví, průmyslová výroba a automatizace. Umělá inteligence dokáže zejména lépe zpracovávat data, aniž by se příliš spoléhala na velká datová centra, což šetří náklady a zdroje. Výsledkem jsou chytřejší, efektivnější a samoregulační systémy, aniž by potřebovaly obrovské množství dat.

Paní Ngan Vu z Google DeepMind představuje směr výzkumu, který navrhuje využití obvodových neuronových sítí k vytváření efektivních návrhů logických obvodů. Aplikací simulovaného žíhání a dalších optimalizačních technik se její tým expertů snaží zkrátit cyklus návrhu obvodu od nápadu až po skutečný produkt.

Jednou z hlavních výzev je vyvažování přesnosti a výkonu obvodů, zajištění toho, aby návrhy nejen fungovaly správně, ale také šetřily zdroje. Pokud se však podaří zmenšit rozdíl mezi softwarem a hardwarem umělé inteligence, otevře se v polovodičovém průmyslu mnoho nových příležitostí. „Aplikace umělé inteligence v návrhu obvodů slibuje změnu způsobu fungování polovodičového průmyslu, což pomůže urychlit proces vývoje a poskytovat optimálnější návrhy,“ uvedla paní Ngan Vu.