고급 프로세스 노드에서는 설계 복잡성, 타이밍 승인에 필요한 코너 수 증가, 통계적 변동 모델링의 필요성으로 인해 Liberty 또는 라이브러리(.lib) 요구 사항이 더욱 까다로워집니다. 이로 인해 크기, 복잡성 및 .lib 특성화 수가 증가합니다. 이러한 복잡하고 큰 .lib 파일의 검증 및 검증은 어려운 작업이며, .lib 오류가 적시에 감지 및 수정되지 않으면 성공적인 타이밍 종료는 물론 실리콘 오류까지 초래하는 심각한 위협이 됩니다.
이 백서는 고급 기술 노드에서 생산 품질 .lib 특성화 및 검증을 가속화하는 Siemens EDA Solido Characterization Suite의 기계 학습(ML) 기술 사용에 대해 설명합니다. 이러한 ML 기술은 최신 기술 노드 및 해당 검증의 까다로운 .lib 요구 사항과 관련된 몇 가지 근본적인 문제를 해결합니다.
Solido Generator 및 Solido Analytics를 사용한 ML 지원 .lib 생성 및 검증
Solido Characterization Suite는 생산에서 입증된 ML 기술을 사용하여 표준 셀, 메모리 및 맞춤형 블록의 라이브러리 특성화 및 검증을 가속화합니다. 이 제품군의 두 가지 주요 구성 요소는 Solido Generator와 Solido Analytics입니다.
Solido Generator는 ML 방법을 사용하여 초기 특성화 후 추가 PVT 코너에 대한 라이브러리를 즉시 생성함으로써 전체 라이브러리 특성화 프로세스를 가속화합니다. Solido Generator는 기존 SPICE 특성화 라이브러리를 앵커 데이터로 사용하여 라이브러리의 ML 모델을 구축하고 새로운 PVT 라이브러리를 생성합니다.
추가 PVT를 생성하기 전에 Solido Generator는 앵커 코너 세트를 분석하여 추가 PVT 생성에 필요한 최적화된 라이브러리 세트를 결정합니다. 이 도구는 미리 특성화된 .libs 세트를 사용하므로 SPICE 넷리스트 또는 하위 회로에 대한 종속성과 라이브러리 공급업체의 특성화 설정과 일치하도록 특성화 설정을 복제할 필요가 없습니다. Solido Generator는 기존 SPICE보다 약 100배 빠르게 실행됩니다.
Solido Generator의 ML 지원 방법은 정확성을 유지하면서 무차별 Monte Carlo 또는 근사 Monte Carlo 방법에 비해 짧은 런타임에 추가 PVT 코너에 대한 생산 정확도 LVF .libs를 생성하여 사용자에게 "두 세계의 최고"를 제공합니다. 입력 앵커 .libs와 동일합니다. Solido Analytics는 빠르고 병렬화된 포괄적인 정적 규칙 기반 검사를 포함할 뿐만 아니라 라이브러리에서 예상되는 특성화 값을 "학습"하고 자동으로 ML 이상값 탐지 도구를 사용하는 고급 라이브러리 검증, 분석 및 디버깅 솔루션입니다. 일반적으로 다른 도구로는 감지되지 않는 특성화된 데이터에서 이상값이나 비단조적인 동작과 같은 오류를 감지합니다.
더 자세한 내용을 보려면 여기에서 지금 확인해 보세요..
