人工智慧（AI）已開始給半導體設計帶來革新。美國谷歌把核心的電路配置工序的用時縮減到此前的100分之1，有助於抑制日益膨脹的半導體開發費用。成為關鍵的是AI自身不斷嘗試的「強化學習」技術，讓AI掌握壓倒工匠的技藝。在物流等領域，引進AI的趨勢正在擴大，生産效率的大幅提高令人期待。

  　　

　　谷歌的研發團隊6月把採用AI的半導體電路設計方式發佈在英國《自然》雜誌上。針對運算性能、耗電量和晶片的大小等，據稱可在6個小時以內生成不遜色於人類設計師需要數個月的電路配置。據悉存在節省設計師數千小時勞動力的可能性。

　　　

 　　

　　半導體的設計尖端而複雜。指尖大小的晶片上匯聚大量的邏輯電路，配置組合達到10的2500次方以上，也就是1的後面跟著2500多個0。有必要從天文數字般的組合之中找出最佳設計。

  　　

　　在這種情況下發揮威力的是AI通過不斷重覆成功和失敗來提升性能的強化學習。AI以被稱為「監督學習（Supervised Learning）」的方式為中心，正在用於推動業務高效化等，但從龐大選項之中找出最優解的計算難度很高。強化學習將為克服這種複雜的課題開闢道路，正受到期待。

 　　　

　　谷歌的研發團隊使電路配置作業倣照圍棋等桌遊，把電路結構當做棋盤和棋子，讓AI進行學習。「勝利條件」是均衡地滿足影響運算性能等的各項指標。類似於不斷找到最佳行棋步法，計算出符合性能方面要求的電路配置。

　　　

   　　

　　谷歌已把AI應用於自主開發的半導體「TPU」的設計上。東京大學教授黑田忠廣表示，「需要驗證CPU（中央處理器）等其他半導體能否採用相同的方式」。同時積極評價稱，「AI像人類那樣通過經驗和學習來縮小探索範圍，正在高效探索答案」。

 　　 　　

　　隨著數位化轉型（DX）的進展等，提高半導體性能的需求正在加強。用於智慧手機和伺服器的尖端半導體匯聚上百億個電晶體，隨著電路微細化，複雜程度正在提升。傳統設計方式依賴熟練設計人員的經驗，開發需要大量時間。

　  

　　　　　 　　

　　美國麥肯錫（McKinsey & Company）等的數據顯示，作為最新一代的5奈米線寬半導體的開發成本（包括購買智慧財産權和試製）為5.4億美元，達到前一代（7奈米線寬産品）的1.8倍、前二代（10奈米線寬産品）的3.1倍。如果讓AI承擔部分設計工作、降低工時，能高效設計出更多晶片。

　　　

      　　

　　通過各半導體廠商使用的設計軟體「EDA」，強化學習的充分利用正在擴大。EDA巨頭美國新思科技（Synopsys）自2020年開始全面提供採用強化學習的設計輔助系統。由系統自動鎖定符合性能的候選設計方案。南韓三星電子把通常需要1個月以上的設計作業縮短為3天，還將用於智慧手機用半導體的設計。

  　　

　　新思科技的首席執行官（CEO）阿爾特·德·吉亞斯表示，「（通過自動化）從浪費時間的探索作業中解脫出來，能夠把設計人員投向新的開發計劃」。在日本，索尼集團開始把AI強化學習應用於圖像感測器的設計，瑞薩電子也應用於車載半導體的設計。

　　　

谷歌正在積極推進半導體的自主設計（谷歌5月舉行的活動）

  　　

　　涉足EDA開發的日本JEDAT攜手群馬大學的高井伸和準教授等，正在開發運算放大器等模擬半導體的自動設計系統。力爭2025年之前實現實用化。

  　　

　　近年來，中美兩國的巨大IT企業自主開發半導體。高井準教授表示期待稱，「如果半導體設計的門檻因自動化而降低，將推動跨界企業的涉足，新使用方法有可能隨之誕生」。

 　　　　　　

　　強化學習：支撐目前AI的機器學習的一種方式。不依賴過去的數據，而是通過電腦等，由AI不斷探索，學習最佳行為。在圍棋、遊戲、機器人開發領域得到使用。以向圍棋中接近取勝的行棋步法給與「報酬」的機制進行學習，獲得了超越專業棋手的實力。

  　　

　　在商業領域，被稱為監督學習的方法經常被使用。其方法是提供貓的圖像以及正確答案，使AI學會「這是貓」，不斷提高識別準確度。要提升準確度，需要大量積累高品質的數據等。

 

版權聲明：日本經濟新聞社版權所有，未經授權不得轉載或部分複製，違者必究。