AIベースのアナログ/デジタル回路設計自動化実務 - 現場のLDO/AXI-Lite IP設計と検証
「サムスン電子、SKハイニックスの現場」で求められる「AIベースの回路設計・検証自動化」の実務講義です。 TSMC 180nm PDKベースのLDO IP設計・検証自動化 + AIベースのAXI-Lite RTL実装 + Python/TCL/Batch Scriptによるリグレッション自動化のスキルを習得します。
受講生 117名
難易度 中級以上
受講期間 無制限
お知らせ
1 件
こんにちは。サムコーチです。
今回、アナログ回路設計講座とデジタル回路設計講座に、実務型プロジェクトを大幅に追加しました。
今回のアップデートは、単に実習ファイルをいくつか補完したレベルではありません。回路を設計してシミュレーションする段階で終わらせず、反復作業を自動化し、結果を検証して最終産出物としてまとめる流れまで経験できるように構成しました。
最近では、半導体エンジニアにもAIを実際の業務にどのように活用したかを問うケースが増えています。今回のSKハイニックスの採用志願書にも、「AI活用経験の記述」項目が別途設けられました。
ここで言うAI経験とは、単にChatGPTで資料を検索したり、文章を作成したりした経験だけを指すのではありません。
職務で発生する問題を定義し、AIや自動化ツールを適用した後、生成された結果をエンジニアが直接検証して改善した経験があってこそ、説得力のある記述ができます。
今回追加した2つのプロジェクトは、このような経験を直接積めるように設計しました。
アナログ講義には、TSMC 0.18μm CMOS LDO設計プロジェクトが追加されました。
LTspiceとPythonを連携させてトランジスタのサイズや補償回路の値を自動的に変更し、DC Gain、UGF、Phase Marginを繰り返し測定します。OptunaのTPEやNSGA-IIを用いた自動サイジング、性能・電力・面積間の多目的最適化、さらにPVT CornerやMonte Carlo検証まで行います。
自然言語で作成した回路仕様を構造化し、工程条件別の結果を分析し、データシートRAGやKLayout Python自動化まで連携させるプロセスも含まれています。
このプロジェクトを終えれば、単に「AIを使用した」ということではなく、次のような流れで経験を説明できるようになります。
「手作業で繰り返していたLDO回路のサイジングとシミュレーション結果の整理という問題を定義し、Pythonと最適化アルゴリズムを用いて設計探索を自動化した。AIが構造化・説明した結果は、LTspiceのPVT・モンテカルロシミュレーションで再度検証した。」
デジタル講義には、SystemVerilogベースのAXI4-Lite Slave IP設計および検証プロジェクトが追加されました。
AXI4-LiteのRead・Write Channel FSMと16個のMemory-Mapped Registerを直接実装し、Verible Lint、SystemVerilog Assertion、Cocotb BFM、Scoreboard、Random Test、Functional Coverageを用いてRTLを検証します。
その後、Quartus FPGA合成、Setup・Holdタイミング解析、VCDベースの電力推定、GitHub Actions CI、GitコミットごとのQoR追跡まで連携させます。
デジタルプロジェクトでは、AIが作成または提案したRTLやテストシナリオをそのまま使用するのではなく、Lint、Assertion、Simulation、Scoreboard、Coverageを用いて検証する方法を習得することが重要です。
例えば、AIを利用してAXIの例外条件やテストシナリオの草案を作成した後、それをCocotbとSVAで実装し、実際の失敗事例を分析するといった方法で、自分なりのAI活用経験を広げることができます。
SKハイニックスのAI活用経験の項目を準備する際も、使用したAIツールの名前だけを並べないでください。
次の内容が伝わるように整理するのが望ましいです。
どのような反復業務や技術的課題を発見したのか、AIと自動化をどの段階に適用したのか、本人が直接設計した基準とロジックは何なのか、AIが作成した結果をどのようなシミュレーションと指標で検証したのか、適用前後で作業方式や結果がどのように変わったのかを説明する必要があります。
特に回路設計職では、「AIに回路を作ってもらった」という説明よりも、AIの結果を検証できる専門知識と判断基準を持っているという点の方が重要です。
今回のプロジェクトを進める際は、結果画面だけを残すのではなく、次の資料も一緒に記録してみてください。
最初に定義した問題と目標仕様
直接修正したRTLまたは回路パラメータ
使用したAI・自動化ツールと適用範囲
失敗した結果と原因分析
シミュレーションおよび検証指標
最終結果と改善前後の比較
AIの結果をそのまま使用せず、修正した根拠
この記録があってこそ、自己紹介書や経験記述書だけでなく、面接でも自身の役割を具体的に説明することができます。
他のPCでも実習を再現できるように、インストールパスと環境設定の案内も合わせて補強しました。
アナログプロジェクトには、LTspiceの実行パス、Python仮想環境、モデル・シンボルファイルの管理、PVT・Monte Carloの実行方法をまとめました。
デジタルプロジェクトには、Quartus、ModelSim、Verible、OSS CAD Suite、Icarus Verilog、Cocotb、GNU Makeのインストールおよび環境変数設定の方法を詳細にまとめました。
半導体回路設計職を準備しているのであれば、今回のプロジェクトを単に手順通りに実行して終わらせるのではなく、自ら仕様やテスト条件を変更して、自分なりの結果を出してみてください。
AIを使用した経験よりも重要なのは、AIを利用して職務上の課題を解決し、その結果をエンジニアの基準で検証した経験です。
講義でプロジェクトファイルと詳細な授業ノートを確認してください。
ありがとうございます。
サムコーチより
