Ta tak i bibliotekkarakterisering og verifiseringsutfordringer ved å bruke ML

På avanserte prosessnoder er Liberty- eller bibliotekkravene (.lib) mer krevende på grunn av designkompleksitet, økt antall hjørner som kreves for timing av signoff, og behovet for statistisk variasjonsmodellering. Dette resulterer i en økning i størrelse, kompleksitet og antall .lib-karakteriseringer. Validering og verifisering av disse komplekse og store .lib-filene er en utfordrende oppgave og utgjør en betydelig trussel mot vellykket timing-stenging og til og med silisiumfeil hvis .lib-feilene ikke oppdages og fikses i tide.

Denne hvitboken beskriver bruken av maskinlæringsteknikker (ML) i Siemens EDA Solido Characterization Suite som akselererer produksjonskvalitet .lib karakterisering og verifisering ved avanserte teknologinoder. Disse ML-teknikkene løser noen av de grunnleggende utfordringene med de krevende .lib-kravene til moderne teknologinoder og deres validering.

ML-aktivert .lib-produksjon og verifisering med Solido Generator og Solido Analytics
Solido Characterization Suite bruker produksjonsbeprøvde ML-teknikker for å akselerere bibliotekkarakterisering og verifisering av standardceller, minne og tilpassede blokker. De to hovedkomponentene i suiten er Solido Generator og Solido Analytics.

Solido Generator bruker ML-metoder for å akselerere den generelle bibliotekkarakteriseringsprosessen ved å umiddelbart generere biblioteker for ytterligere PVT-hjørner etter den første karakteriseringen. Solido Generator bruker eksisterende SPICE-karakteriserte biblioteker som ankerdata for å bygge ML-modeller av bibliotekene og produsere nye PVT-biblioteker.

Før generering av de ekstra PVT-ene, analyserer Solido Generator ankerhjørnesettet for å bestemme det optimaliserte settet med biblioteker som trengs for ytterligere PVT-generering. Siden verktøyet bruker et sett med pre-karakteriserte .libs, eliminerer det avhengigheten av SPICE nettlister eller underkretser og behovet for å replikere karakteriseringsinnstillinger for å matche bibliotekleverandøren. Solido Generator går omtrent 100 ganger raskere enn tradisjonell SPICE.

De ML-aktiverte metodene i Solido Generator gir brukerne det "beste fra begge verdener" ved å generere produksjonsnøyaktige LVF .libs for ytterligere PVT-hjørner på en brøkdel av kjøretid sammenlignet med brute-force Monte Carlo- eller tilnærmede Monte Carlo-metoder, samtidig som nøyaktigheten beholdes tilsvarende inndataankeret .libs. Solido Analytics er en avansert bibliotekvaliderings-, analyse- og feilsøkingsløsning som ikke bare inkluderer raske, parallelliserte og omfattende statiske regelbaserte kontroller, men som også bruker et ML-outlier-deteksjonsverktøy som "lærer" de forventede karakteriserte verdiene i et bibliotek og automatisk oppdager feil som uteliggere eller ikke-monotonisk atferd i de karakteriserte dataene som vanligvis ikke blir oppdaget med andre verktøy.

Klikk på for å lese mer her..

Kilde: https://semiengineering.com/addressing-library-characterization-and-verification-challenges-using-ml/