AI และ Machine Learning กำลังเปลี่ยนโลกการออกแบบวงจรแอนะล็อกจากงานที่พึ่งประสบการณ์ของวิศวกรเกือบทั้งหมด ไปสู่การมีเป็นผู้ช่วยอัจฉริยะที่ช่วยทั้งการกำหนดขนาดวงจร การจัดวาง Layout และการค้นหา Design ที่เหมาะสมได้เร็วขึ้น แม้ AI จะยังแทนมนุษย์ไม่ได้ แต่กำลังกลายเป็นเครื่องมือสำคัญที่ช่วยลดเวลา เพิ่มประสิทธิภาพ และเปิดทางสู่วิธีการออกแบบชิปแบบใหม่ในอนาคต

บทนำ

ถ้าพูดถึงการออกแบบชิป เพื่อนๆ หลายคนอาจคิดว่าทุกอย่างน่าจะเป็นแบบอัตโนมัติไปหมดแล้ว เพราะทุกวันนี้เรามีพวกเครื่องดิจิทัลเข้ามาช่วยเกือบครบทุกขั้นตอน เขียนโค้ดเสร็จแล้ว โปรแกรมก็จะช่วยจัดวางวงจร ช่วยเช็ก ช่วยต่อสายให้แทบทั้งหมด แต่จริงๆ แล้วฝั่งวงจรแอนะล็อกยังไม่ง่ายแบบนั้น เพราะงานหลายๆ อย่างของงานฝั่งนี้ยังต้องพึ่งความเชี่ยวชาญของวิศวกรแบบเต็มๆ โดยเฉพาะเรื่องการกำหนดขนาดทรานซิสเตอร์ หรือการทำเลย์เอาต์บนชิป เพราะถึงยังไงวงจรในกระดาษจะดูถูกหมด มันก็ไม่ได้แปลว่าชิปจริงจะทำงานได้ดีเสมอไป

ภายในวงจรแอนะล็อกเป็นโลกที่ละเอียดอ่อนมาก เพราะแค่ลากสายยาวไม่เท่ากันนิดเดียว วางอุปกรณ์ไม่ดี หรือมีสัญญาณรบกวนจากวงจรข้างๆ ก็อาจจะทำให้ประสิทธิภาพตกลงได้ทันที เพื่อนๆ ลองนึกภาพการแต่งเสียงในห้องอัด ถ้าช่างขยับไมค์ไปนิดเดียว เสียงที่ได้ก็จะเปลี่ยนไป ในโลกแอนะล็อกก็ประมาณนั้นเลย การปรับอะไรแค่นิดหน่อยก็จะให้ผลลัพธ์ที่ได้ต่างออกไปหมด นี่เลยเป็นเหตุผลว่าทำไมงานออกแบบแอนะล็อกถึงยังต้องพึ่งประสบการณ์ของวิศวกรสูงมาก และเป็นหนึ่งในงานที่ทำแบบระบบอัตโนมัติได้ยากที่สุดในวงการเซมิคอนดักเตอร์เลยก็ว่าได้ และในช่วงไม่กี่ปีที่ผ่านมานี้ เราก็เริ่มมีตัวช่วยใหม่ๆที่น่าสนใจมากเข้ามา นั่นก็คือ AI และ Machine Learning นั่นเอง

จากโปรแกรมช่วยคำนวณ สู่ผู้ช่วยออกแบบ

เมื่อก่อนโปรแกรมช่วยออกแบบวงจรช่วยทำหน้าที่เหมือนเครื่องมือช่วยงาน วิศวกรยังต้องคิดเองเกือบทุกอย่าง โปรแกรมแค่ช่วยจำลองผลหรือเช็กว่ามีอะไรผิดหรือเปล่า แต่ข่าวดีก็คือทุกวันนี้ใน AI รุ่นใหม่เริ่มต่างออกไปจากเดิม เพราะมันเริ่มช่วยเราคิดได้นิดหน่อยแล้ว ตัวอย่างเช่น ปกติถ้าวิศวกรจะออกแบบวงจรสักตัว อาจต้องเริ่มจากเดาว่าทรานซิสเตอร์ควรมีขนาดประมาณไหน ใช้กระแสเท่าไร แล้วก็ลองปรับไปเรื่อย ๆ แล้วรันการจำลองซ้ำหลายรอบมาก ตรงนี้แหละที่ AI ตัวช่วยคนเก่งของเราเข้ามาช่วยได้ เพราะมันสามารถเรียนรู้จากงานออกแบบเก่าๆ แล้วเริ่มมองออกว่า วงจรแบบนี้ควรเริ่มจากค่าประมาณไหนถึงจะมีแววรอดมากที่สุด ต้องเรียกว่ามันเป็นเหมือนรุ่นพี่เก่งๆ คอยนั่งแนะนำอยู่ข้างๆ เวลาที่เรามีปัญหาเลยล่ะ

ปัญหาใหญ่ของ Analog Design คือมันไม่มีคำตอบเดียว

แต่ Analog Design ก็มีเรื่องที่น่าวุ่นวายใจอยู่บ้าง เพราะสมมติว่าเราอยากให้วงจรเร็วขึ้น ก็แน่นอนว่ามันก็อาจกินไฟมากขึ้น หรือถ้าเราอยากลดการใช้พลังงาน สัญญาณรบกวนอาจเพิ่มเข้ามา หรือถ้าอยากลดพื้นที่ชิป ประสิทธิภาพบางอย่างก็อาจจะแย่ลง เพราะในโลกของความจริงไม่มีอะไรได้มาฟรีๆ เรามีสิ่งที่ต้องแลกเสมอ เพราะมันไม่มีทางเลือกที่ดีที่สุดให้เลือกได้ง่ายๆ วิศวกรเลยต้องคอยหาจุดที่พอดีที่สุด ซึ่งตรงนี้แหละที่ AI จะเก่งมาก เพราะมันสามารถคิดคำนวนทางเลือกได้เป็นพันเป็นหมื่นแบบในเวลาแค่นิดเดียว และมันสามารถเรียนรู้ได้ว่าค่าประมาณไหนจะให้ผลลัพธ์ดีที่สุด ที่นี้ก็เห็นภาพชัดกันเลยใช่ไหม ถึงความเก่งของ AI ที่เราเทียบไม่ติด มันสามารถทำให้เรื่องที่เราอาจจะต้องใช้เวลาทำหลายวัน ให้เสร็จเพียงแค่ในไม่กี่ชั่วโมงได้

งาน Layout ที่เคยเป็นเหมือนงานศิลปะ ตอนนี้ AI ก็เริ่มช่วยได้

ถ้าเพื่อนๆ คนไหนเคยทำแอนะล็อกจะรู้ว่าเลย์เอาต์คือด่านหินของจริง เพราะมันไม่ใช่แค่เอาอุปกรณ์มาวางไว้ให้ครบแค่นั้น แต่ต้องวางให้สวยในเชิงฟิสิกส์ด้วย บางทีก็ต้องสมมาตรกันเป๊ะ บางจุดก็ต้องวางใกล้กันมาก และบางเส้นก็ต้องหลบสัญญาณรบกวนด้วย เพราะแบบนี้เองที่ผ่านมางานนี้เลยแทบเป็นงานฝีมือของวิศวกรโดยตรง แต่ตอนนี้ AI สามารถเข้ามาช่วยงานได้แล้ว เพราะมันสามารถเรียนรู้จากเลย์เอาต์ดี ๆ ที่เคยมีมา ทำให้มันสามารถรู้ได้เลยว่าถ้าวงจรหน้าตาแบบนี้ ควรวางอุปกรณ์ยังไงถึงจะได้ผลลัพธ์ดีที่สุด มันก็คล้ายๆ กับ AI ที่สามารถสร้างภาพได้แบบที่เราเคยใช้กันนั่นแหละ เพียงแค่แทนที่จะสร้างรูปแมว AI กำลังสร้างแปลนชิปขึ้นมาจริงๆ ต่างหาก แต่ถึงจะยังไม่ได้สมบูรณ์แบบร้อยเปอร์เซ็นต์ แต่มันก็เข้ามาช่วยลดเวลาทำงานได้เยอะมาก

AI กับการ Optimize ค่า Power, Performance และ Area ใน Analog IC

หนึ่งในความยากของการออกแบบวงจรแอนะล็อกคือการ Balance ระหว่าง Power, Performance และ Area หรือ PPA เพราะการจะปรับ Parameter หนึ่งจะlส่งผลกระทบอีกด้านหนึ่งเสมอๆ เช่น ถ้าเราเพิ่ม Transistor Size มันอาจช่วยลด Noise ได้ แต่ก็จะเพิ่ม Parasitic Capacitance และใช้พื้นที่มากขึ้น ตรงนี้แหละที่ AIหรือ ML เริ่มเข้ามาช่วยโดยผ่านการเรียนรู้จาก Simulation Data จำนวนมาก ช่วยให้เราสามารถเดาผลลัพธ์ของการออกแบบ Design ได้เร็วขึ้น และสามารถช่วยค้นหา Solution ที่เหมาะสมที่สุดกับพื้นที่ Design Space ที่ซับซ้อน ซึ่งทำให้ให้การ Optimize Analog Circuit มีประสิทธิภาพมากขึ้นกว่าวิธี Trial-and-Error แบบเดิมๆ ที่เราเคยใช้กันมา

ชิปยุคใหม่ซับซ้อนขึ้นเรื่อยๆ จนมนุษย์เริ่มไล่ไม่ทัน

เมื่อก่อนวงจรอาจมี Block ไม่เยอะ ความสัมพันธ์ระหว่างส่วนต่าง ๆ ยังพอมองตามทัน เข้าใจได้ไม่ยากเย็นอะไร แต่ชิปยุคใหม่ โดยเฉพาะพวก AI Accelerator, High-Speed Interface หรือระบบสื่อสารความเร็วสูง มีความซับซ้อนระดับที่มนุษย์คนเดียวแทบมองทั้งหมดไม่ไหว และยิ่งเทคโนโลยีการผลิตเล็กลง เช่น 5 nm หรือ 3 nm ปัญหาทางฟิสิกส์ก็ยิ่งหนักขึ้นไปอีก ทั้ง Leakage, Variation หรือ Parasitic Effect ต่าง ๆ เริ่มมีผลมากกว่าเดิมหลายเท่า แต่ตรงนี้ AI ก็ยังมีข้อได้เปรียบอยู่ เพราะมันสามารถมองรูปแบบ Pattern จำนวนมหาศาลพร้อมกันได้ดีกว่ามนุษย์ และถ้ายิ่งมีข้อมูลมาก มันก็ยิ่งเรียนรู้ได้เก่งขึ้นเรื่อย ๆ

Analog Layout ในอนาคตอาจกลายเป็น Constraint-Driven มากขึ้น

ที่ผ่านมา Analog Layout มักเป็นงานที่ต้อง Manual กันสูงมาก วิศวกรต้องคิดเองแทบทุกอย่างว่าจะวางอะไรตรงไหน เดินสายยังไง หรือจัด Symmetry แบบใด แต่ AI เข้ามาทำให้แนวทางเริ่มเปลี่ยนไป เพราะแทนที่วิศวกรจะลงมือทำเองทุกอย่างเอง ก็จะเปลี่ยนเป็นการกำหนด Constraint ให้ระบบแทน จากนั้น AI จะเป็นคน Generate Layout Candidate หลายรูปแบบที่ตอบโจทย์ Constraint เหล่านั้น ลักษณะแบบนี้เหมือนๆ กับสิ่งที่เกิดขึ้นในการออกแบบ Digital Design เมื่อหลายปีก่อน ที่จากเดิมคนเคยวาง Layout เอง สุดท้ายก็เปลี่ยนมาเป็น Automated Place and Route เต็มรูปแบบ

แล้ววิศวกรจะตกงานหรือไม่

ต้องมีคำถามนี้เกิดขึ้นในใจหลายคนแน่ๆ แต่เอาจริงๆ ตอนนี้ AI ยังแทนวิศวกรไม่ได้ เพราะสิ่งสำคัญที่สุดในงานแอนะล็อกคือประสบการณ์และสัญชาตญาณทางวิศวกรรม วิศวกรเก่ง ๆ หลายคนมองวงจรแป๊บเดียวก็พอเดาได้แล้วว่า จุดไหนเสี่ยงมีปัญหา จุดไหนอาจไม่รอดตอนผลิตจริง หรือจุดไหนน่าจะมีสัญญาณรบกวน แต่ AI ยังไปไม่ถึงระดับนั้น ตอนนี้ AI ทำได้แค่คือช่วยลดงานที่ต้องลองซ้ำๆ ช่วยค้นหาทางเลือก และช่วยประหยัดเวลา พูดง่าย ๆ คือ AI ไม่ได้มาแทนวิศวกร แต่มาช่วยให้วิศวกรทำงานเร็วขึ้นกว่าเดิมต่างหาก 

บทสรุป

โลกของ Analog IC Design กำลังเข้าสู่ช่วงเปลี่ยนผ่านครั้งใหญ่ จากเดิมที่แทบทุกอย่างต้องอาศัยประสบการณ์ของวิศวกรล้วนๆ แต่ตอนนี้ AI เริ่มเข้ามาช่วยทั้งเรื่องการกำหนดขนาดวงจร การหาค่าพารามิเตอร์ที่เหมาะสม ไปจนถึงการจัดวางเลย์เอาต์บนชิป

ถึงแม้ว่าเทคโนโลยียังไม่สมบูรณ์ และยังแทนมนุษย์ไม่ได้ แต่ทิศทางแนวโน้มเริ่มชัดขึ้นเรื่อย ๆ ว่า AI จะกลายเป็นผู้ช่วยคนสำคัญของวิศวกรแอนะล็อกในอนาคตอย่างแน่นอน และบางที สิ่งที่น่าตื่นเต้นที่สุด อาจไม่ใช่การที่ AI เก่งขึ้นเรื่อย ๆ แต่คือวันที่วิศวกรเก่ง ๆ มี AI มาช่วยคิดไปพร้อมกัน ว่าวันนั้นพวกเขาจะสร้างชิปที่ล้ำได้ขนาดไหนต่างหาก