AI輔助下,半導體設計如虎添翼
  • 208
  • 出版日期
    12月21日, 2023
  • 作者
    NIKKEI ELECTRONICS
前言

伴隨處理之資料量增加,IC晶片日趨大規模且複雜化,但卻又同時要求縮短設計期間及壓低耗電量。面對此一趨勢,越來越多案例將人工智慧(AI)/機器學習技術應用於半導體IC(積體電路)開發,以壓低設計成本,縮短開發期間,並提升IC技術水準。IC設計用電子設計自動化 (Electronic Design Automation, EDA) 軟體也開始引進機器學習技術。本文簡介索尼半導體解決方案、佳能之相關EDA工具實力評估結果。

目錄
    設定參數以謀求最適化
    以600萬閘門規模之電路驗證
    耗電量減少超過10%
    附錄
圖目錄
    圖一、二家日本圖像感測器廠商分別於活動中演講
    圖二、EDA工具之參數設定不同處
    圖三、「Cerebrus」使用時之參數設定流程
    圖四、圖像感測器市場發展及圖像感測器用訊號處理IC設計課題
    圖五、評估對象之邏輯電路概要及評估重點
    圖六、運用Cerebrus成功改善設計結果
    圖七、運用Cerebrus縮減設計期間及工時
    圖八、圖像感測器訊號處理IC之邏輯電路設計課題
    圖九、評估結果1
    圖十、評估結果2
表目錄
推薦報告
  • 以上研究報告資料係經由MIC內部整理分析所得,並對外公告之研究成果, 由於產業倍速變動、資訊的不完整,及其他不確定之因素,並不保證上述報告於未來仍維持正確與完整, 引用時請注意發佈日期,及立論之假設或當時情境,如有修正、調整之必要,MIC將於日後研究報告中說明。 敬請參考MIC網站公告之最新結果。
  • 著作權所有,非經本會書面同意,不得翻印或轉讓。
  • BACK
    評論此篇報告
    您的評論已送出
    我們會竭誠盡快地回覆您。
    分享此篇報告
    Facebook
    Line
    複製連結
    登入
    正式會員第一次使用,請輸入會員編號/會員密碼/Email,系統會偵測第一次使用,註冊/認證之後,即可上線使用

    不是會員?

    邀請您申請免費試閱聯絡我們