Hybrid ML for Lightweight Pre-Route Delay Estimation in Open-Source IC Design

في عالم الإلكترونيات الحديثة، تُصمم الرقائق الصغيرة التي تشغل أجهزتنا من خلال عملية معقدة وتكرارية. يبدأ المهندسون بمخطط منطقي ويحولونه تدريجياً إلى تخطيط فيزيائي، وهي رحلة تتضمن وضع مليارات المكونات المجهرية وتوصيلها بأسلاك مجهرية. وتعد نقطة تفتيش حرجة في هذه الرحلة هي فحص سلامة يسمى تحليل التوقيت الساكن (static timing analysis). تضمن هذه العملية انتقال الإشارات الكهربائية بسرعة كافية بين المكونات للحفاظ على عمل الجهاز بشكل صحيح. ومع ذلك، يبرز تحدٍ كبير في مرحلة مبكرة من التصميم، قبل رسم الأسلاك بالكامل. في هذه المرحلة، يمتلك المهندسون فكرة تقريبية عن أماكن جلوس المكونات، لكنهم يفتقرون إلى التفاصيل الدقيقة حول الأسلاك التي ستصل بينها. وبدون هذه التفاصيل، غالباً ما تضطر الأدوات التقليدية إلى التخمين بشأن زمن انتقال الإشارات. ولتجنب الأخطاء، تميل هذه الأدوات إلى التخمين بشكل تحفظي، بافتراض أن الإشارات ستكون أبطأ مما ستكون عليه في الواقع. وهذا الحذر، رغم أنه يمنع حدوث الأخطاء، يؤدي غالباً إلى الإفراط في التصميم، حيث تُصنع الدوائر بحجم أكبر وتستهلك طاقة أكثر مما هو ضروري لمجرد التعويض عن عدم اليقين.

لقد طور باحثون في جامعة كوستاريكا طريقة جديدة لحل لعبة التخمين هذه، مما يوفر وسيلة للتنبؤ بأزمنة انتقال الإشارات بدقة أكبر بكثير قبل اكتمال التوصيلات النهائية. فبدلاً من الاعتماد على التخمينات التحفظية للبرمجيات القياسية أو على نماذج حاسوبية ضخمة ومعقدة يصعب فهمها، ابتكروا نظاماً هجيناً خفيفاً. يجمع هذا النظام بين تقنيتين رياضيتين بسيطتين ومفهومتين جيداً: شجرة القرار، التي تصنف البيانات إلى مجموعات بناءً على قواعد محددة، والانحدار الخطي، الذي يجد أنماط الخط المستقيم داخل تلك المجموعات. ومن خلال استخدام شجرة القرار لتنظيم البيانات الواقعية الفوضوية إلى قطع أصغر وأكثر قابلية للإدارة، ثم تطبيق صيغة بسيطة لملاءمة الخط لكل قطعة، بنى الباحثون نموذجاً يتعلم من التصاميم السابقة للتنبؤ بالتصاميم المستقبلية. نهجهم ليس دقيقاً للغاية فحسب، بل هو أيضاً شفاف، مما يسمح للمهندسين برؤية السبب وراء إجراء أي تنبؤ بدقة، وهي ميزة تفتقر إليها غالباً أنظمة الذكاء الاصطناعي الأكثر تعقيداً.

اختبر الفريق طريقتهم الجديدة باستخدام أداة التصميم مفتوحة المصدر OpenLane، وهي مستخدمة على نطاق واسع من قبل الباحثين والهواة لإنشاء الدوائر المتكاملة. قاموا بتغذية النموذج ببيانات من تصميمات دوائر مختلفة، بما في ذلك المعايير القياسية والأمثلة الواقعية، لتعليم النموذج كيفية التعرف على كيفية تأثير عوامل مثل المسافة بين المكونات، وحجم البوابات، وعدد التوصيلات على سرعة الإشارة. كانت النتائج مذهلة؛ فعند مقارنتها بالتقديرات القياسية التي توفرها أداة OpenLane، قلل النموذج الهجين الجديد من الخطأ في تنبؤات التأخير بنسبة تصل إلى 80 بالمائة. وحتى عندما جُرد النموذج من التفاصيل المحددة المتعلقة بأداة OpenLane نفسها، فقد حسن الدقة بنسبة 71 بالمائة. ومن الناحية العملية، يعني هذا أن المصممين يمكنهم الآن الوثوق بتقديراتهم في المراحل المبكرة بشكل أكبر بكثير، مما قد يجنبهم الحاجة إلى جولات متعددة من إعادة العمل المكلفة لاحقاً في عملية التصميم.

بعيداً عن الدقة الخام، سلط الباحثون الضوء على كفاءة ووضوح حلهم. فالنموذج الذي بنوه صغير للغاية، حيث يشغل مساحة تزيد قليلاً عن 10 ميجابايت من التخزين، بينما قد تتطلب نماذج تعلم الآلة الأخرى المشابهة المستخدمة في هذا المجال عدة جيجابايت. كما أنه أسرع بشكل ملحوظ، إذ يعمل بسرعة تزيد عن الضعف مقارنة بالنماذج المماثلة، وهو أصغر حجماً بأكثر من 300 مرة. ولعل الأهم بالنسبة لمجتمع الهندسة هو أن النموذج قابل للتفسير؛ فبسبب اعتماده على شجرة قرار متبوعة بمعادلات خطية بسيطة، يمكن للمهندس تتبع مسار التنبؤ: حيث يمكنه رؤية القواعد التي اتبعتها البيانات وكيف تم استخلاص الحساب النهائي. وهذا يتناقض مع العديد من أدوات تعلم الآلة الحديثة التي تعمل كـ "صناديق سوداء"، حيث تقدم إجابات دون الكشف عن المنطق الكامن وراءها.

تؤكد الدراسة أن هذا النهج الهجين يقدم بديلاً قابلاً للتطبيق للنماذج الثقيلة والغامضة المستخدمة غالباً في تصميم الرقائق. فمن خلال تقسيم المشكلة إلى أجزاء أصغر يمكن التنبؤ بها خطياً، يلتقط النظام السلوكيات المعقدة وغير الخطية للدوائر الحقيقية دون الحاجة إلى شبكة عصبية ضخمة. وأشار الباحثون إلى أن النموذج أدى أداءً استثنائياً في دوائر معينة، حيث قلل أخطاء التنبؤ بنسبة تصل إلى 80 بالمائة لتصميمات محددة، مما يشير إلى أن الطريقة فعالة بشكل خاص عندما تشترك التصميمات الجديدة في أوجه تشابه مع البيانات المستخدمة في تدريبها. وبينما ركز العمل الحالي على مجموعة محددة من الأدوات مفتوحة المصدر والتقنيات، فإن نجاح هذه الطريقة الخفيفة والشفافة يفتح مساراً واعداً للمستقبل. إنها تثبت أنه في عالم تصميم الرقائق عالي المخاطر، ليست الأدوات الأكثر تعقيداً هي الأكثر فعالية دائماً، بل تلك التي تتسم بالدقة والسرعة وسهولة الفهم.