삼성전자, 하이닉스, 엔비디아 등 DSO.ai 적용
강화 학습 통해10⁹⁰⁰⁰⁰개 레이아웃 배열 최적화
최근 설계 최적화, 파운드리 수율 개선 등 반도체 생산 효율화를 위해 다양한 AI 기술이 적용되고 있다. 업계에서는 AI 기술의 적용 확대를 통해 비용 절감, 성능 개선, 인력 부족 등에 대응할 수 있다는 입장이다.
20일 업계에 따르면 시높시스의 DSO.ai(Design Space Optimization AI)를 사용한 테이프 아웃이 100개를 돌파했다.
DSO.ai는 시높시스가 2020년 출시한 반도체 설계 툴이다. 강화 학습(Reinforcement Learning)을 적용해 반도체 설계를 최적화할 수 있다.
강화 학습은 기계 학습 중 주어진 상태에 대해 최적의 행동을 선택하는 학습 방법으로 경우의 수가 많고, 명확한 답이 없는 애플리케이션에 주로 사용된다. 알파고, 자율주행 등이 대표적인 강화 학습이 적용된 AI다.
DSO.ai는 AI를 통해 레이아웃 배열 최적화를 진행하는데, 최적화된 경우의 수를 빠르게 찾을 수 있어, 인간 엔지니어에 비해 압도적으로 효율적인 작업이 가능하다. 반도체 레이아웃 배열 경우의 수는 10⁹⁰⁰⁰⁰개에 달한다.
물론 DSO.ai가 만능은 아니다. 현재까지는 레이아웃 배열 최적화 등 비교적 단순한 설계 작업에만 적용 가능하며. 인간 엔지니어를 보조하는 방식 등으로 사용되고 있다.
시높시스 측은 현재 DSO.ai는 CPU, GPU, AI 반도체 등 다양한 반도체 설계에 적용되고 있으며, 설계 기간 단축, 전력 절감, 다이 크기 축소 등에 기여하고 있다고 밝혔다. DSO.ai를 사용하는 대표적인 고객사로는 삼성전자, SK하이닉스, 엔비디아 등이 있다. SK하이닉스는 DSO.ai를 반도체 설계에 적용해 15% 셀 면적 감소, 5%의 다이 축소에 성공했다.
상카 크리슈나무티(Shankar Krishnamoorthy) EDA 그룹 총괄 매니저는 “DSO.ai를 사용하면 더 적은 엔지니어링 리소스로도 소비 전력, 성능, 면적 등을 개선할 수 있고, 개발 기간 단축을 통해 출시 시간 단축 등이 가능하다”고 밝혔다. 시높시스는 DSO.ai 외에도 통계 학습(Statistical Learning) 툴을 개발하고 있다.
업계에서는 반도체 설계뿐 아니라 생산 등 반도체 산업 전반에 AI 적용이 확대될 것이라 전망했다. 업계 관계자는 “반도체의 미세화 경향으로 인해 설계, 생산 등의 복잡성이 꾸준히 증가하고 있는데 AI 기술 적용 확대를 통해 이에 대응할 수 있다”며 “기존에는 다수의 엔지니어들이 매달려서 처리해야 했던 업무들이 AI를 통해 손쉽게 해결할 수 있어 비용 절감, 개발 기간 단축, 인력 부족 등에 대응할 수 있다”고 말했다.
디일렉=노태민 기자 [email protected]
《반도체·디스플레이·배터리·전자부품 분야 전문미디어 디일렉》
