برنامه های شبیه سازی مدار هوش مصنوعی و SPICE - Semiwiki

بازنشر افلاطون

دنبال: 0

آیا می توانید فروشنده EDA را نام ببرید که برای اولین بار از AI از 15 سال پیش برای طراحان مدار با استفاده از شبیه سازهای SPICE استفاده کرد؟ من می توانم آن فروشنده را به یاد بیاورم، آن Solido بود که اکنون بخشی از آن است زیمنس EDAو من فقط مقاله 8 صفحه ای آنها را در مورد اینکه چگونه آنها به سطوح مختلف هوش مصنوعی مورد استفاده در EDA نگاه می کنند خواندم تا به طراحان آی سی کمک کند هوشمندتر و سریعتر از روش های دستی کار کنند.

طرح‌های سفارشی شامل سلول‌ها، حافظه‌ها و کتابخانه‌های IP آنالوگ نیاز به شبیه‌سازی‌های SPICE دارند که در بسیاری از ترکیب‌های فرآیند، ولتاژ و دما (PVT) و همچنین تغییرات محلی برای تأیید کامل بازده هدف، مانند 3، 4، 5، 6 سیگما اجرا شوند. ، یا بالاتر. علاوه بر این، مدل‌های زمان‌بندی که توسط سنتز منطق و ابزارهای تحلیل زمان‌بندی استاتیک استفاده می‌شوند، به بسیاری از شبیه‌سازی‌های SPICE برای مدل‌سازی و اعتبار سنجی .lib، به ویژه با تغییرات آماری موجود در بخش‌های Liberty Variation Format (LVF) از .libs نیاز دارند. این وظایف به میلیون ها یا میلیاردها شبیه سازی SPICE نیاز دارند و ممکن است هفته ها طول بکشد تا تکمیل شوند.

فناوری Solido از یک رویکرد هوش مصنوعی تطبیقی استفاده می‌کند که از شبیه‌سازی‌های SPICE برای به دست آوردن نتایج اولیه استفاده می‌کند، نقاط نمونه را انتخاب می‌کند، نقاط انتهایی بیشتری را شبیه‌سازی می‌کند، سپس خود تأیید می‌کند و در صورت نیاز تطبیق می‌دهد، با نتایجی که با روش‌های مونت کارلو با نیروی brute-force مطابقت دارند. زمان.

هر ابزار EDA که از هوش مصنوعی استفاده می کند باید معیاری را برای اعتماد داشته باشد، مانند اینکه آیا می توان آن را تأیید کرد، آیا در مقایسه با یک مرجع دقیق است، آیا به طور کلی روی همه طرح های من کار می کند، آیا به اندازه کافی قوی است که در وقت و تلاش من صرفه جویی کند، و آیا می توان آن را توسط یک تیم مهندسی استفاده کرد. همچنین می توانید با ویژگی های هوش مصنوعی به سطح بلوغ ابزار EDA خود فکر کنید.

سطح 0 - بدون رویکرد هوش مصنوعی، SPICE با مونت کارلوی بی رحم.
سطح 1 - هوش مصنوعی تا حدی قابل اعتماد، جایی که روی برخی سلول ها کار می کند، اما نه همه.
سطح 2 - هوش مصنوعی تا حدی قابل اعتماد، با تأیید خود و دقت قابل قبول.
سطح 3 - هوش مصنوعی تطبیقی و آگاه از دقت، که در آن نتایج با دقت پایین با نتایج با دقت بالاتر از طریق جمع‌آوری داده‌های بیشتر جایگزین می‌شوند و به طور خودکار مدل‌ها را بهبود می‌بخشند.
سطح 4 - هوش مصنوعی کامل تولیدی که برای همه سلول‌ها، همه گوشه‌ها، همیشه کار می‌کند.

در اینجا یک رویکرد ابزار EDA برای سطح 3 بلوغ هوش مصنوعی آورده شده است:

این روش خودکار نتایج دقیق را خیلی سریع تولید می کند، اما نیازی به مداخله دستی ندارد. رسیدن به سطح 1 هوش مصنوعی روزها طول می کشد، سطح 2 ماه ها طول می کشد، سطح 3 به سال ها نیاز دارد و سطح 4 برای رسیدن به دهه ها سال های توسعه دهنده نیاز دارد.

محیط طراحی Solido دارای یک ویژگی برای تایید سیگما بالا، که در آن هوش مصنوعی سرعت اجرای SPICE را با مرتبه‌ای بزرگ افزایش می‌دهد، اما دقت آن SPICE کامل است. مهندسان می توانند در زمان بسیار کمتری نسبت به روش های brute-force به نتایج تایید 6 سیگما برسند. استفاده از روش تأیید کننده High-Sigma بهبود سرعت 4,000,000 برابر سریعتر از brute-force در نمونه سلولی را نشان داد. با روش‌های قدیمی، یک تیم مهندسی حتی تأیید سیگما بالا را در نظر نمی‌گیرد، زیرا زمان اجرا بسیار کند خواهد بود.

علاوه بر این، هوش مصنوعی افزودنی محیط طراحی Solido را قادر می‌سازد تا از مدل‌های هوش مصنوعی در یک اجرا استفاده مجدد کند تا به افزایش سرعت اجراهای بعدی کمک کند، و کارهای تأیید صحت را تا ۱۰۰ برابر بیشتر تسریع کند.

برای ایجاد و تأیید مدل‌های Liberty (.lib) با هوش مصنوعی، یک مهندس Solido Generator را اجرا می‌کند که گوشه‌های PVT جدید را با استفاده از گوشه‌های PVT موجود به‌عنوان داده‌های لنگر، و Solido Analytics را برای اعتبارسنجی کامل .libs، از جمله تشخیص نقاط پرت و مشکلات احتمالی در تولید می‌کند. داده های .lib به طور خودکار. هر دو این ابزار بخشی از سوئیت شخصیت پردازی Solido. تکنیک‌های هوش مصنوعی در اینجا زمان تولید و اعتبارسنجی .lib را از هفته‌ها به ساعت‌ها کاهش می‌دهند.

نقشه راه تکنیک‌های هوش مصنوعی با ابزارهای Solido شامل هوش مصنوعی کمکی است که در آن هوش مصنوعی مولد به مهندسان کمک می‌کند تا گزینه‌های بهینه‌سازی طراحی را پیدا کرده و انتخاب کنند.

خلاصه

Solido دارای سابقه 15 ساله استفاده از تکنیک های هوش مصنوعی برای طراحان مدار برای تأیید سیگما بالا و مشخصه سلولی است که نتایج تأیید را در زمان اجرای بسیار کوتاه تری به آنها می دهد. از فروشندگان EDA خود بپرسید که تجربه آنها در استفاده از روش های هوش مصنوعی در ابزارهایشان چیست و سعی کنید ببینید چه سطحی از بلوغ هوش مصنوعی ارائه می شود. رسیدن به سطح 3 یا سطح 4 بلوغ هوش مصنوعی مستلزم چندین دهه تلاش برای توسعه است.

خوانده شده مقاله 8 صفحه ای در زیمنس EDA.