Synopsys, elektronik tasarım otomasyonu (EDA) yazılımlarına genel yapay zeka yeteneklerini entegre eden öncü firmalardan biri olarak 2021'den bu yana bu alanda önemli adımlar attı. Yapay zeka destekli araçlarla tasarlanan yüzlerce, hatta binlerce çip şimdiden piyasaya sürüldü. Bu hafta Synopsys, yarı iletken tasarım platformunu kapsamlı bir şekilde güncelleyerek, üretken yapay zeka özelliklerini EDA ürünlerine entegre ettiğini duyurdu. Bu yenilik, geliştirme süreçlerini kısaltmayı, mühendis verimliliğini artırmayı ve sınırlı kaynaklara sahip ekiplerin dahi karmaşık tasarımlar yapabilmesini hedefliyor.
Synopsys, IP doğrulama (VSO.ai), analog doğrulama (ASO.ai), RTL sentezi, yerleşim ve yönlendirme (DSO.ai), 3D entegrasyon (3DSO.ai) ve son fonksiyonel doğrulama (TSO.ai) gibi çip geliştirmenin her aşamasını kapsayan bir EDA araç setine zaten sahip. Ayrıca Design.da, Fab.da ve Silicon.da gibi veri analizi araçları da bulunuyor.
Şirket, çip geliştirme sürecini daha da hızlandırmak amacıyla Synopsys.ai Copilot özelliklerini, yani Yardımcı ve Yaratıcı araçları portföyüne ekliyor. Yardımcı özellikler, mühendislerin araç kullanımını kolaylaştırarak, rutin görevleri otomatikleştirerek ve uzman desteğine olan bağımlılığı azaltarak daha hızlı ve bağımsız çalışmalarına yardımcı olan bir 'yardımcı pilot' görevi görüyor.
Henüz erken geliştirme aşamasında olan ve yalnızca belirli müşteriler tarafından kullanılan Yaratıcı özellikler ise, geliştirme döngülerini hızlandırmak ve mühendislik verimliliğini artırmak için RTL kodu, test senaryoları ve doğrulama ifadeleri gibi tasarım ve doğrulama içeriklerini otomatik olarak üretecek şekilde tasarlandı.
Bir Yardımcı Pilot Gibi
Yardımcı yeteneklerin belki de en önemlisi, Synopsys ortamında teknik dokümantasyona, araç rehberliğine ve uzman içeriğine gerçek zamanlı erişim sağlayan Bilgi Yardımı'dır. Bu sayede mühendisler, kılavuzları saatlerce aramak veya uzman girdisini beklemek yerine, ilgili cevaplara dakikalar içinde ulaşabiliyor. Synopsys'e göre, bilgiye bu akıcı erişim, genç mühendislerin işe alım hızında %30'luk bir iyileşme sağlıyor. Bilgi Yardımı, Synopsys Cloud üzerinde mevcut ve üretkenliği artırmak ve proje sürelerini hızlandırmak için şimdiden 100'den fazla startup tarafından benimsenmiş durumda.
Buna ek olarak, tekrarlayan betik ve otomasyon görevlerini hızlandırmak için tasarlanan İş Akışı Yardımı bulunuyor. Bu özellik, ortalama olarak çözüm süresini iki katına indiriyor. Synopsys'e göre, Synopsys PrimeTime gibi araçlarda kullanıldığında, manuel olarak oluşturmaya kıyasla script'leri 10 ila 20 kat daha hızlı üretebiliyor. Son olarak, komutları veya araç akışlarını daha hızlı yürütmeye yardımcı olan Çalıştırma Yardımı da mevcut, ancak Synopsys bu konuda fazla detay vermediği için tam olarak ne yaptığını tahmin etmekle yetiniyoruz.
Bir İnşaat Ustası Gibi
Yardımcı yeteneklere 'yardımcı pilot' denirse, Yaratıcı özellikler adeta bir 'inşaat ustası' olarak adlandırılabilir. Çünkü bu özellikler gerçekten de tasarım ve doğrulama içeriği oluşturabiliyor ve belli bir ölçüde insanlara olan bağımlılığı azaltabiliyor.
Synopsys'in GenAI tabanlı yardımcı pilotları, tasarım ve doğrulama sürelerini azaltmak için RTL kodu ve formal doğrulama ifadeleri üretebiliyor. Böylece mühendisler, yüksek çıktı kalitesini koruyarak daha üst düzey görevlere odaklanabiliyor. Ancak burada bir 'ancak' var: Bu araçlar henüz mükemmel değil. Synopsys'in Doğrulama Yardımcısı, %80 sözdizimi doğruluğu ve %70 işlevsel doğruluk oranına sahip.
- Bu, Synopsys.ai Copilot tarafından üretilen her 10 formal doğrulama ifadesinden 8'inin sözdizimi hatası içermediği ve modifikasyon gerektirmeden formal doğrulama araçları tarafından başarıyla işlenebildiği ve anlaşılabildiği anlamına geliyor (bu araçlar %100 sözdizimi doğruluğu gerektirir). Ancak, 10 ifadeden 2'si düzeltme gerektiriyor ve şu an için Synopsys bu durumlarda önemli düzeltmelerin gerekip gerekmediğini açıklıyor.
- Synopsys.ai Copilot, ayrıca yaklaşık %70 olasılıkla işlevsel olarak doğru (yani tasarımın amaçlanan davranışını doğru bir şekilde tanımlayan) ifadeler üretiyor. Bu da çoğunluğun fiili doğrulama için kullanılabileceği, ancak %30'unun gözden geçirme veya ayarlama gerektirdiği anlamına geliyor.
Genel olarak, Synopsys.ai Copilot tarafından üretilen ifadelerin %80'i kutudan çıktığı gibi çalışıyor ve %70'i amaçlandığı gibi işlev görüyor. Şirket, bunun doğrulama sürecini önemli ölçüde hızlandırdığını belirtiyor. Ancak, insan denetimi hala gerekli.
Synopsys'e göre, Copilot.ai Yaratıcı araçları şu anda erken erişim müşterileri tarafından kullanılıyor ve bir zamanlar günler süren geliştirme döngülerini saatlere, hatta dakikalara indiriyor. Örneğin, büyük bir çip tasarım firması, 10 günlük bir süre içinde 10 tasarım bileşeninin validasyonunu tamamlamayı başardı; bu oldukça iyi bir sonuç. Ancak, araç seti tasarım süresini kısaltırken ve projede yer alan mühendis sayısına olan ihtiyacı azaltırken, mühendislerin nitelik gereksinimlerini düşürmüyor ve kesinlikle onları ikame etmiyor. Bu açıdan bakıldığında, Synopsys.ai Copilot henüz çip tasarlamak için bir ChatGPT değil.
Synopsys'in Strateji ve Ürün Yönetimi Kıdemli Başkan Yardımcısı Sanjay Bali, "Yapay zeka, çip tasarımının her katmanını devrimleştiriyor ve yeni nesil gelişmiş SoC'ları sunmak için bir yaratıcılık dalgasını besliyor. Synopsys.ai Copilot yeteneklerinin artık çip tasarım akışı boyunca yardımcı ve yaratıcı yetenekleri desteklemesi ve önemli müşteri etkileri sunmasıyla, mühendislik ekiplerini tasarımların kalitesini artırmaya, zamanlarını ek yüksek değerli fırsatlar için serbest bırakmaya ve teknoloji inovasyonunu hızlandırmaya güçlendiriyoruz" dedi.
Ansys Araçları da Yapay Zekaya Geçiyor
Ansys'in devralınmasıyla birlikte Synopsys, yapay zeka ayak izini simülasyon ve modelleme alanına da genişletiyor. Ansys yakın zamanda, mühendislerin daha hızlı öğrenmelerine, sorunları daha verimli çözmelerine ve iş akışları içinde uzman rehberliği kullanarak verimliliği artırmalarına yardımcı olmak için on yıllardır birikmiş simülasyon bilgisini anında erişilebilir kılan sanal bir asistan olan Engineering Copilot'u piyasaya sürdü.
Ansys'in en son sürümü, Ansys'in yüksek hassasiyetli modellemesini yapay zeka güdümlü hızla birleştiren, alan bağımsız bir simülasyon aracı olan SimAI'ye de geliştirmeler getiriyor. SimAI artık veri kümesi oluşturma ve yapay zeka eğitimini hızlandırmak ve mühendislerin daha fazla tasarım seçeneğini keşfetmesini ve geliştirme süresini azaltmasını sağlamak için Ansys optiSLang ile birlikte çalışıyor.
Makineler Makineleri mi İnşa Edecek?
Daha uzun vadeli bir hamle olarak Synopsys, mühendislik akışlarının tamamını kademeli olarak devralacak şekilde tasarlanmış, makinelerin temelde çip tasarlamasına olanak tanıyacak ve insanlara az sayıda aşama ve iş yükü bırakacak çoklu ajanlı bir yapay zeka sistemi olan AgentEngineer'ı geliştirmek için Microsoft ile işbirliği yapıyor.
Proje, basit otomatikleştirilmiş görevlerden (L2) uyarlanabilir akış kontrolüne (L4) ve nihayetinde otonom karar almaya (L5) kadar bir yol haritasını hedefliyor. Sistem, Microsoft'un Discovery platformu üzerine inşa ediliyor ve yakın zamanda DAC 2025'te tanıtıldı.
Ancak İnsanlar Onları Tanımlamaya Devam Edecek
Synopsys, yapay zekayı çip tasarım akışına entegre etme konusunda şüphesiz uzun bir yol kat etti ve gelecekteki hedefi, çip tasarımını büyük ölçüde otonom bir süreç haline getirmek. Peki bu, insan mühendisler için ne anlama geliyor?
Teknoloji ve sanatın kesişimi olarak kabul edilen mimari ve mikro-mimari geliştirme süreçleri, genellikle hem dar hem de geniş düşünebilen, mimari temelleri atarken daha geniş bir endüstri resmini göz önünde bulunduran deneyimli kişilerden oluşan küçük gruplar tarafından geliştirilir. Şimdilik, Synopsys.ai gibi yazılımların, Synopsys'in hizmet verdiği yarı iletken endüstrisi dışındaki geniş veri kümelerine erişimi bulunmuyor. Öte yandan, OpenAI'nin ChatGPT'si gibi LLM'ler henüz mühendislik problemlerini çözebilecek kapasitede değil. Bu nedenle, mimari ve mikro-mimari tasarımlarda insanlar makinelerden daha iyi olmaya devam edecek.
Ancak, gerçek uygulama söz konusu olduğunda, yapay zeka oldukça yardımcı olabilir. Çünkü mimari kararlar, önbellek boyutu, bellek arayüzleri ve yapılandırmalar gibi birçok değişkeni içerir. Yapay zeka, tasarım alanını hızla tarayarak ve hesaplama gücünü kullanarak optimum parametreleri belirleyerek bu aşamayı hızlandırabilir. Ek olarak, deneyimli mimarların yanında çalışırken, yapay zeka karmaşık ödünleşimleri (güç ve performans gibi) daraltarak ve eğitildiği deneyimlere dayanarak rafine seçenekler sunarak bir destek aracı olarak hizmet verir. Bu, mimarların belirli bir iş yükü için en iyi kurulumu daha verimli bir şekilde seçmelerine yardımcı olur, ancak onları nihai karar verme süreçlerinden kesinlikle çıkarmaz.
