شرکت Synopsys با معرفی پلتفرم پیشگامانه Autopilot و مجموعه راهکارهای AgentEngineer، گام بلندی به سوی عصر مهندسی نیمه‌هادی‌های خودران برداشته است. این فناوری که با تکیه بر «عامل‌های هوشمند با افق زمانی طولانی» طراحی شده، نویدبخش تغییر پارادایم از طراحی به کمک هوش مصنوعی (AI-assisted) به مهندسی کاملاً خودکار (Autonomous Engineering) تا پایان سال ۲۰۲۶ میلادی است.
معماری چندلایه AgentEngineer: فراتر از اتوماسیون سنتی
معماری جدید سیناپسیس بر پایه سه لایه فنی تفکیک‌شده بنا شده است تا پیچیدگی‌های طراحی تراشه را مدیریت کند. در هسته این سیستم، «AgentEngineerهای با افق طولانی» قرار دارند؛ ابرعامل‌هایی که وظیفه ارکستراسیون و هدایت مسیرهای کاری (Workflow) را بر عهده دارند و می‌توانند اهداف پیچیده‌ای را که نیازمند صدها یا هزاران مرحله استدلال منطقی هستند، پیگیری کنند. لایه میانی شامل «عامل‌های وظیفه» (Task Agents) است که عملیات‌های محدود و مشخص مانند تفسیر مشخصات فنی یا بستن پوشش تست‌ها (Coverage Closure) را انجام می‌دهند. در نهایت، «لایه ابزار» موتورهای محاسباتی هستند که وظایف درخواستی را اجرا می‌کنند بدون آنکه خود در تصمیم‌گیری‌های کلان نقش داشته باشند.
حوزه‌های عملیاتی و توانمندی‌های تخصصی
این پلتفرم شش حوزه حیاتی در صنعت طراحی تراشه را پوشش می‌دهد که هر کدام توسط عامل‌های اختصاصی مدیریت می‌شوند:
- تایید (Verification): از تفسیر مشخصات فنی تا دستیابی به پوشش کامل تست.
- پیاده‌سازی (Implementation): مدیریت جریان RTL به GDS، شامل مکان‌یابی، مسیریابی و بستن تحلیل‌های توان و زمان‌بندی (PPA).
- طراحی آنالوگ و سیگنال مختلط (AMS): سنتز چیدمان، مهاجرت گره‌های IP و تایید فیزیکی در سطح ترانزیستور.
- ساخت (Manufacturing): سنتز ماسک، مدل‌سازی فرآیند و تهیه داده‌های ساخت.
- شبیه‌سازی و تحلیل: شامل تحلیل‌های FEA، محاسبات دینامیک سیالات (CFD) و تحلیل‌های الکترومغناطیسی (EMC/EMI).
مشخصات فنی و دستاوردهای عملکردی
- هدف عرضه عمومی: پایان سال ۲۰۲۶ میلادی (پاییز ۱۴۰۵).
- سطح استقلال: دارای گواهینامه سطح L5 طبق چارچوب خودران سیناپسیس (اجرای خودکار جریان‌های پیچیده تحت نظارت انسانی).
- بهره‌وری: تا ۵۰ برابر سرعت بیشتر در بستن فرآیند تایید، ۳۰٪ افزایش بهره‌وری مهندسی و ۲ برابر بازدهی توکن در مدل‌های زبانی.
- انعطاف‌پذیری استقرار: قابلیت اجرا بر روی Synopsys Cloud، زیرساخت‌های ابری خصوصی مشتری یا دیتاسنترهای داخلی (On-premises).
هوش شناختی و بازخورد خودکار
یکی از نوآوری‌های کلیدی این پلتفرم، «مدل شناختی» (Cognitive Model) آن است که هوشمندی محیطی (Context Intelligence) را به ارمغان می‌آورد. در جریان تایید، اگر نتایج میانی با اهداف از پیش تعیین‌شده مطابقت نداشته باشد، عامل‌ها به صورت خودکار تغییر مسیر داده (Course Correction) و با تحلیل ریشه‌ای خطاها (RCA) مستقیماً به اصلاح کد RTL می‌پردازند. این چرخه بازخورد مداوم، نیاز به مداخله انسانی در مراحل تکراری را به حداقل می‌رساند؛ هرچند سیناپسیس تأکید دارد که نقاط بازرسی حیاتی (Checkpoints) و تایید نهایی همچنان در اختیار مهندسان انسانی باقی خواهد ماند.
چشم‌انداز و امنیت در مسیر خودکاری
از منظر امنیت، سیستم‌های کنترل دسترسی، رمزنگاری و محافظ‌های زمان اجرا (Runtime Guardrails) برای حفاظت از دارایی‌های فکری (IP) مشتریان و خود شرکت تعبیه شده‌اند. با توجه به اینکه مشتریان می‌توانند مدل‌های زبانی (LLM) دلخواه، داده‌ها و زیرساخت‌های خود را به این اکوسیستم بیاورند، سیناپسیس محیطی باز اما امن را برای توسعه نسل آینده تراشه‌ها فراهم کرده است. با پیشرفت این فناوری و افزایش اعتماد تیم‌های مهندسی به سیستم‌های خودران، انتظار می‌رود که در سال‌های پیش رو، نقش مهندسان از «اجراکننده» به «ناظر و تعیین‌کننده استراتژی» تغییر یابد.
