AI és SPICE áramkör-szimulációs alkalmazások – Semiwiki

Újra kiadta Platón

Követő: 0

Meg tudnád nevezni azt az EDA gyártót, aki 15 évvel ezelőtt először használt mesterséges intelligenciát a SPICE szimulátorokat használó áramkörtervezők számára? Emlékszem arra az eladóra, Solido volt, most már a része Siemens EDA, és most olvastam a 8 oldalas írásukat arról, hogyan tekintik az EDA-ban használt mesterséges intelligencia különböző szintjeit, hogy segítsenek az IC-tervezőknek intelligensebben és gyorsabban dolgozni, mint a kézi módszerek használata.

Az egyedi tervezések, beleértve a cella-, memória- és analóg IP-könyvtárakat, SPICE-szimulációkat igényelnek számos folyamat-, feszültség- és hőmérséklet- (PVT) kombináción, valamint a helyi eltérések teljes körű ellenőrzéséhez a megcélzott hozamhoz, például 3, 4, 5, 6 szigmához. , vagy magasabb. Ezenkívül a logikai szintézis és a statikus időzítés-elemző eszközök által használt időzítési modellek sok SPICE-szimulációt igényelnek a .lib modellezéséhez és érvényesítéséhez, különösen a .libs Liberty Variation Format (LVF) szakaszaiban szereplő statisztikai variációkkal. Ezekhez a feladatokhoz több millió vagy milliárd SPICE-szimulációra van szükség, és hetekig is eltarthat.

A Solido technológia egy adaptív mesterséges intelligencia megközelítést használ, amely SPICE szimulációkat használ a kezdeti eredmények eléréséhez, kiválasztja a mintapontokat, szimulál több végpontot, majd önellenőrzi és szükség szerint alkalmazkodik, és az eredmények töredékében megegyeznek a brute-force Monte Carlo módszerekkel. idő.

Minden mesterséges intelligenciát használó EDA-eszköznek meg kell felelnie a megbízhatóság kritériumainak, például ellenőrizhető-e, pontos-e a referenciahoz képest, általánosságban működik-e az összes tervemnél, elég erős-e ahhoz, hogy időt és energiát takarítson meg, és mérnökcsapat használhatja-e. Az AI-funkciókkal rendelkező EDA-eszköz érettségi szintjére is gondolhat.

0. szint – nincs mesterséges intelligencia megközelítés, SPICE brute-force Monte Carlóval.
1. szint – részben megbízható mesterséges intelligencia, ahol néhány cellán működik, de nem mindegyiken.
2. szint – részben megbízható AI, önellenőrzéssel és elfogadható pontossággal.
3. szint – adaptív, pontosságtudatos mesterséges intelligencia, ahol az alacsony pontosságú eredményeket nagyobb pontosságú eredmények váltják fel több adatgyűjtés révén, automatikusan javítva a modelleket.
4. szint – teljes termelési mesterséges intelligencia, amely minden cellában, minden saroktokban, folyamatosan működik.

Íme egy EDA-eszköz megközelítés a mesterséges intelligencia 3. szintjéhez:

Ez az automatizált módszer nagyon gyorsan pontos eredményeket ad, ugyanakkor nem igényel kézi beavatkozást. Az AI 1. szintjének elérése napokig tart, a 2. szint eléréséhez hónapok, a 3. szint eléréséhez évek, a 4. szint eléréséhez pedig több évtizedes fejlesztői évek szükségesek.

Solido tervezési környezet rendelkezik egy nagy szigma-ellenőrzés funkcióval, ahol az AI egy nagyságrenddel felgyorsítja a SPICE futását, de a pontosság teljes SPICE. A mérnökök 6 szigma ellenőrzési eredményt érhetnek el sokkal kevesebb idő alatt, mint a brute force módszerekkel. A High-Sigma Verifier megközelítés alkalmazása 4,000,000 XNUMX XNUMX-szer gyorsabb sebességnövekedést mutatott, mint a nyers erő egy cellás példában. A régi módszerekkel egy mérnökcsapat nem is gondolná a magas szigma-ellenőrzést, mert a futásidő túl lassú lenne.

Ezenkívül az additív mesterséges intelligencia lehetővé teszi a Solido Design Environment számára, hogy egy futásból újra felhasználja a mesterséges intelligencia modelleket, hogy tovább gyorsítsa a következő futtatásokat, és akár további 100-szorosára is felgyorsítja a növekményes ellenőrzési feladatokat.

3. ábra min — Solido tervezési környezet

A Liberty (.lib) modellek mesterséges intelligenciával történő létrehozásához és ellenőrzéséhez egy mérnök futtatja a Solido Generator programot, amely új PVT sarok .lib fájlokat hoz létre a meglévő PVT sarkok horgonyadatként történő felhasználásával, és a Solido Analytics szolgáltatást a .libek teljes ellenőrzéséhez, beleértve a kiugró értékek és a lehetséges problémák észlelését is. .lib adatok automatikusan. Mindkét eszköz része Solido Characterization Suite. Az itt található mesterséges intelligencia technikák a .lib előállítási és érvényesítési idejét hetekről órákra csökkentik.

A Solido eszközökkel végzett mesterséges intelligencia technikák ütemtervében megtalálható az Assistive AI, ahol a generatív AI segít a mérnököknek megtalálni és kiválasztani a tervezési optimalizálási lehetőségeket.

Összegzésként

A Solido 15 éves múltra tekint vissza a mesterséges intelligencia technikák áramkör-tervezők számára történő alkalmazásában a nagy szigma-ellenőrzés és a sejtjellemzés érdekében, így az verifikáció sokkal rövidebb futási időt biztosít számukra. Kérdezze meg EDA-szállítóit, hogy milyen tapasztalataik vannak az AI-módszerek eszközeikben történő alkalmazásában, és próbálja meg megnézni, milyen szintű AI-érettség érhető el. A 3. vagy 4. szintű mesterséges intelligencia érettségének elérése több évtizedes fejlesztési erőfeszítést igényel.

Olvassa el a 8 oldalas cikk a Siemens EDA-nál.