Analoge IC-designere kan bruge alt for meget tid og kræfter på at genbruge gamle, velkendte, manuelle iterationsmetoder til kredsløbsdesign, bare fordi det er sådan, det altid er blevet gjort. Kredsløbsoptimering er en EDA-tilgang, der automatisk kan dimensionere alle transistorerne i en celle ved at køre SPICE-simuleringer på tværs af PVT-hjørner og procesvariationer for at imødekomme krav til design af analoge og blandede signaler. Det lyder lovende, ikke?
Så hvilken kredsløbsoptimering skal jeg overveje at bruge?
For at besvare det spørgsmål er der et webinar på vej, arrangeret af MunEDA, et EDA-firma startede tilbage i 2001, og det handler om deres kredsløbsoptimering ved navn Ond. Inputs er en SPICE-netliste sammen med designkrav, såsom: gain, båndbredde og strømforbrug. Output er en netliste i størrelse, der opfylder eller overgår designkravene.
Den hemmelige sauce med WiCkeD er, hvordan den opbygger en Machine Learning (ML) model til at køre en Design Of Experiments (DOE) for at beregne det værste tilfælde PVT-hjørne, finde transistorgeometriens følsomheder og endda beregne On Chip Variation (OCV) ) følsomheder. Denne tilgang opretter og opdaterer en ikke-lineær, højdimensionel ML-model ud fra simulerede data.
At have en ML-model gør det muligt for værktøjet at løse optimeringsudfordringen og derefter foretage en endelig verifikation ved at køre en SPICE-simulering. Der er automatiserede iterationer, indtil alle krav er opfyldt. Nu lyder det meget hurtigere end de gamle manuelle iterationsmetoder. Træning af ML-modellen er helt automatisk og ret effektiv.
Kredsløbsdesignere vil også lære:
- Hvor skal man bruge kredsløbsoptimering
- Hvilke typer kredsløb er gode at optimere
- Hvor meget værdi kredsløbsoptimering bringer til designflowet
Ingeniører hos STMicroelectronics har brugt kredsløbsoptimeringen i WiCkeD, og MunEDA fortæller om deres specifikke resultater i tidsbesparelser og forbedringer i opfyldelse af krav. Power Amplifier-virksomheden Inplay Technologies viste kredsløbsoptimeringsresultater fra DAC 2018-konferencen.
Webinar detaljer
Se webinaret den 11. april kl. 10 PDT af tilmelding online.
Relaterede blogs
Del dette opslag via:- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
- Kilde: https://semiwiki.com/eda/326047-webinar-enhance-productivity-with-machine-learning-in-the-analog-front-end-design-flow/
- :er
- $OP
- 2001
- 2018
- a
- Om
- tværs
- Alle
- altid
- ,
- besvare
- tilgang
- april
- ER
- At
- Automatiseret
- Automatisk Ur
- automatisk
- tilbage
- båndbredde
- fordi
- Bringer
- bygger
- by
- beregne
- CAN
- udfordre
- chip
- kommer
- selskab
- Konference
- Overvej
- forbrug
- Corner
- hjørner
- skaber
- data
- Design
- designere
- DOE
- effektiv
- indsats
- muliggør
- Endog
- overstige
- bekendt
- hurtigere
- endelige
- Finde
- flow
- Til
- fra
- Gevinst
- geometri
- godt
- Have
- hostede
- Hvordan
- HTTPS
- i
- forbedringer
- in
- IT
- iteration
- iterationer
- jpg
- LÆR
- læring
- ligesom
- maskine
- machine learning
- manuel
- max-bredde
- Mød
- møde
- opfylder
- metoder
- ML
- model
- Som hedder
- of
- Gammel
- on
- optimering
- plato
- Platon Data Intelligence
- PlatoData
- Indlæg
- magt
- behandle
- produktivitet
- lovende
- spørgsmål
- Krav
- Resultater
- Kør
- kører
- Besparelser
- Secret
- bør
- simulation
- Størrelse
- specifikke
- tilbringe
- krydderi
- påbegyndt
- Talks
- Teknologier
- at
- deres
- tid
- til
- også
- værktøj
- Kurser
- typer
- opdateringer
- brug
- værdi
- Verifikation
- via
- Vej..
- webinar
- som
- vilje
- med
- zephyrnet