高度なプロセス ノードでは、設計の複雑さ、タイミング サインオフに必要なコーナー数の増加、統計的変動モデリングの必要性などにより、Liberty またはライブラリ (.lib) の要件がより厳しくなります。その結果、サイズ、複雑さ、および .lib 特性評価の数が増加します。これらの複雑で大規模な .lib ファイルの検証と検証は困難な作業であり、.lib エラーが時間内に検出および修正されない場合、タイミング クロージャの成功やシリコンの故障にさえ重大な脅威をもたらす可能性があります。
このホワイトペーパーでは、先進技術ノードでの生産品質の .lib 特性評価と検証を加速する、Siemens EDA Solido Characterization Suite での機械学習 (ML) 技術の使用について説明します。これらの ML 技術は、最新のテクノロジー ノードとその検証の厳しい .lib 要件に関する基本的な課題のいくつかに対処します。
Solido Generator および Solido Analytics による ML 対応の .lib の作成と検証
Solido Characterization Suite は、生産実績のある ML 技術を使用して、標準セル、メモリ、カスタム ブロックのライブラリの特性評価と検証を加速します。スイートの 2 つの主要コンポーネントは、Solido Generator と Solido Analytics です。
Solido Generator は ML メソッドを使用して、最初の特性評価後に追加の PVT コーナーのライブラリを即座に生成することで、ライブラリ特性評価プロセス全体を加速します。 Solido Generator は、既存の SPICE 特性を持つライブラリをアンカー データとして使用して、ライブラリの ML モデルを構築し、新しい PVT ライブラリを生成します。
追加の PVT を生成する前に、Solido Generator はアンカー コーナー セットを分析して、追加の PVT 生成に必要な最適化されたライブラリのセットを決定します。このツールは事前に特性化された .lib のセットを使用するため、SPICE ネットリストやサブ回路への依存性がなくなり、ライブラリ ベンダーの特性設定に合わせて特性設定を複製する必要がなくなります。 Solido Generator は、従来の SPICE よりも約 100 倍高速に実行されます。
Solido Generator の ML 対応メソッドは、精度を維持しながら、ブルートフォース モンテカルロ法や近似モンテカルロ法と比較して、ほんのわずかな実行時間で追加の PVT コーナー用に本番環境で正確な LVF .lib を生成することにより、ユーザーに「両方の長所」を提供します。入力アンカー .libs と同等です。 Solido Analytics は、高度なライブラリ検証、分析、およびデバッグ ソリューションであり、高速で並列化された包括的な静的ルールベースのチェックだけでなく、ライブラリ内の期待される特性値を「学習」し、自動的に検出する ML 外れ値検出ツールも採用しています。他のツールでは通常検出されない、特性化されたデータ内の外れ値や非単調な動作などのエラーを検出します。
もっと読むには、をクリックしてください。 こちら.
