Напівпровідникова промисловість швидко змінюється завдяки штучному інтелекту.

НДО - На Міжнародній конференції зі штучного інтелекту та напівпровідників (AISC) 2025, що відбулася вранці 12 березня та була організована компанією Aitomatic (США) та Національним інноваційним центром (NIC) у Ханої, експерти з технологій обговорили симбіотичні взаємозв'язки у розвитку штучного інтелекту (ШІ) та напівпровідників.

На конференції було підтверджено, що штучний інтелект та напівпровідники наразі є основою майбутнього цифрової економіки . Зокрема, два елементи, «штучний інтелект» та «напівпровідник», йдуть пліч-о-пліч. Найбільш очевидно, що штучний інтелект допомагає автоматизувати процес виробництва напівпровідників, прогнозувати та виявляти дефекти продукції, покращувати якість та ефективність виробництва.

Пане Крістофер Нгуєн, генеральний директор Aitomatic, наприклад, зазначає, що до 2030 року деякі виробничі підприємства, особливо передові, вимагатимуть суворіших стандартів. Наприклад, у процесі плазмової обробки такі параметри, як діаметр палива, тиск, температура та десятки інших факторів, повинні забезпечити майже абсолютну точність. Штучний інтелект сприятиме забезпеченню цієї точності.

«Штучний інтелект не може розвиватися без напівпровідників, і навпаки, напівпровідникова галузь швидко змінюється завдяки досягненням у сфері штучного інтелекту. Це симбіотичні відносини, де обидва аспекти підштовхують одне одного вперед», – сказав він.

На семінарі виступив пан Крістофер Нгуєн, генеральний директор компанії Aitomatic.

Щодо загальної картини технологій, пан Крістофер Нгуєн навів закон Мура, стверджуючи, що швидкість розвитку штучного інтелекту та напівпровідників дуже висока. Кожні 18 місяців мікропроцесорна технологія зазнає значних удосконалень.

Що стосується ринку, то світ спостерігає вражаюче зростання, і очікується, що попит на чипи для обробки штучного інтелекту продовжить різко зростати в найближчі роки. Такі країни, як США, Китай, Японія та Південна Корея, збільшують інвестиції в цю галузь. Гонка між провідними країнами в галузі технологій надзвичайно запекла.

У сфері виробництва мікросхем пані Анна Голді, старший науковий співробітник Google, зазначила, що хоча обчислювальні потреби штучного інтелекту зростають експоненціально, апаратні можливості не встигають за ними, створюючи зростаючий розрив. Щоб вирішити цю проблему, були впроваджені нові технології штучного інтелекту, такі як AlphaChip – метод проектування мікросхем на основі штучного інтелекту. Вона зазначила, що завдяки застосуванню штучного інтелекту процес проектування мікросхем неймовірно прискорюється, водночас допомагаючи знизити витрати та оптимізувати продуктивність.

«Щоб повною мірою використати потенціал штучного інтелекту, нам потрібно скоротити цикли проектування мікросхем, удосконалити алгоритми та максимально використати дані. У майбутньому штучний інтелект не лише допоможе покращити апаратне забезпечення, але й сприятиме формуванню проривів у багатьох інших галузях, від охорони здоров’я та фінансів до промислового виробництва», – сказала пані Анна Голді.

Зокрема, пані Анна Голді представила метод AlphaChip, який використовує штучний інтелект для оптимізації розташування компонентів на чіпі, допомагаючи зменшити затримку, заощадити енергію та оптимізувати виробничу площу. Штучний інтелект може покращити процес проектування чіпів, скоротивши час та покращивши продуктивність продукту. AlphaChip застосовується в останніх поколіннях Google TPU, що забезпечує значну ефективність порівняно з традиційними методами проектування.

Тим часом, пан Тран Тхань Лонг, професор Університету Ворвіка, розповів більше про зусилля, що вживаються в усьому світі для підвищення потужності штучного інтелекту та напівпровідникових технологій. Наприклад, він згадав, як використовувати сховища пам'яті та теорію Баєса для покращення продуктивності та масштабованості штучного інтелекту (ШІ). Сховища пам'яті допомагають ШІ запам'ятовувати інформацію протягом тривалого часу та використовувати минулі дані для оптимізації рішень.

«Баєсівська теорія допомагає штучному інтелекту коригувати ймовірності прогнозування на основі нових даних, допомагаючи системі навчатися швидше та ефективніше. Таке поєднання зменшує потребу в обчислювальних ресурсах, водночас забезпечуючи високу точність», – сказав пан Лонг.

Крім того, цей підхід допомагає ШІ працювати більш плавно в таких сферах, як охорона здоров'я, промислове виробництво та автоматизація. Зокрема, ШІ може краще обробляти дані, не покладаючись надто сильно на великі центри обробки даних, заощаджуючи витрати та ресурси. В результаті системи стають розумнішими, ефективнішими та самоналаштовуються, не потребуючи величезних обсягів даних.

Пані Нган Ву з Google DeepMind представляє напрямок досліджень, який пропонує використовувати нейронні мережі для створення ефективних логічних схем. Застосовуючи імітацію відпалу та інші методи оптимізації, її команда експертів прагне скоротити цикл проектування схеми від ідеї до фактичного продукту.

Одним з головних викликів є балансування точності та продуктивності схем, забезпечення не лише правильної роботи конструкцій, але й економії ресурсів. Однак, якщо розрив між програмним та апаратним забезпеченням штучного інтелекту вдасться зменшити, це відкриє багато нових можливостей у напівпровідниковій промисловості. «Застосування штучного інтелекту до проектування схем обіцяє змінити спосіб функціонування напівпровідникової промисловості, допомагаючи пришвидшити процес розробки та створювати більш оптимальні конструкції», – сказала пані Нган Ву.