IBM представила модель машинного обучения, призванную ускорить создание чипов нового поколения, обученную на физике приборов и данных фабрик, которые раньше требовали для интерпретации население небольшой страны из аспирантов. В компании говорят, что система улучшит компактное моделирование и ускорит завершение проектирования — по-простому это означает, что чипы могут стать быстрее, дешевле и куда увереннее в собственных траекториях электронов. Рынки спокойно отреагировали на откровение, что компьютеры теперь официально лучше строят лучшие компьютеры, чем люди, которые построили первые компьютеры, призванные строить компьютеры.
На практике модель обещает ужать месяцы извлечения параметров, прогоны TCAD и военные манёвры по углам PVT в процесс, который лучше измерять перерывами на перекус, автоматически выводя поведение транзисторов задолго до того, как кто-то найдёт лабораторные очки. Инженеры, некогда известные тем, что шептали симуляциям SPICE как мистики, якобы будут проводить дни, подкармливая алгоритм метрологическими данными и вежливо прося его «убрать дрейф порогового напряжения». Тейпауты могут переместиться из финансового квартала в промежуток между двумя статус-митингами, навевая жуткую перспективу, что теперь дорожные карты продуктов будет в основном ограничивать обед.
Более широкая экосистема EDA уже приняла новинку: каждый инструмент на Земле тихо обновил интерфейс, добавив выпадающее меню с надписью «AI Physics: Вкл.». Прогнозы выхода годных на фабриках, традиционно представлявшие собой тайную смесь вариабельности и молитвы, могут превратиться в ползунок на веб-панели, позволяя финансовым директорам (CFO) ставить «92% выход годных» так же, как они регулируют офисный термостат. По слухам, модель так хорошо предсказывает утечки тока, что чипы стали заранее извиняться за тепло. Тем временем поколение PhD-студентов обнаруживает, что их диссертации можно заменить градиентным спуском, что ведёт к дерзким новым исследованиям в области оптимизации кофе и социологии отладки.
Сама IBM подчёркивает, что это не заменит человеческих экспертов, а лишь «дополнит» их — примерно как автопилот дополняет пилотов, управляя самолётом, пока те обеспечивают моральную поддержку и выбирают перекус. Команды уже реорганизуются вокруг специалистов, способных выманить у модели признание, о чём на самом деле думают электроны, освобождая конструкторов для действительно важного — например, нейминга. Если всё будет работать как заявлено, ML-модель ускорит всё — от моделирования устройств до финального согласования дизайна, наконец доставив полупроводниковой индустрии давно обещанное будущее: чипы, которые помогают проектировать следующие чипы, тем самым устраняя последний узкий ресурс инноваций — время, — и оставляя нерешённой лишь одну переменную: сможет ли модель также отладить корпоративные графики.