En nyårsönske

Varje år springer jag en prognoser artikel. Det är en mashup av idéer från många människor inom branschen, och även om många förutsägelser är något egennyttiga, finns det andra som kommer mer från hjärtat - eller så är de kanske drömmar snarare än förväntningar. Jag ser hopp i några av dem, särskilt de som ser på hållbarhet inom vår bransch och vår bransch.

Precis som i verifiering finns det två ord som beskriver dess syfte - verifiering och validering. Verifiering är handlingen att visa att en design matchar en specifikation, medan validering är att se till att specifikationen är vad du ville ha. Den ena är inåtvänd, den andra mer utåtriktad. Detsamma gäller för hållbarhet.

Det finns två aspekter av hållbarhet — gör vi allt på det mest hållbara sättet, och leder det vi skapar till en mer hållbar framtid?

Att göra saker hållbart

När jag tänker på verifiering ser jag enorma mängder bortkastad tid, ansträngning och enorma mängder beräkningar som inte borde krävas. Metodiken som används är, för att vara ärlig, barnslig. Branschens bästa hjärnor har misslyckats med att komma på en metod som har någon föreställning om effektivitet. Vi viftar med armarna i luften och säger att det är en omöjlig uppgift och att vi aldrig kan nå stängning. Och ändå är det bästa branschen kan komma med en slumpmässig metod som driver stimulans och utför ad-hoc-kontroller och samlar in implicit täckningsdata.

Begränsad metodik för slumpmässiga testmönster, enligt definitionen idag, driver försäljningen av fler simulatorlicenser, och ökande designstorlekar har ändrat det till emulatorer. Men täckning definieras på ett sätt där det är nästan omöjligt att tänka på verklig fullständighet, eller en optimal stimulansuppsättning, och samma saker blir omverifierade förmodligen miljarder gånger mer än vad som krävs.

Jag är mycket glad över att se att vissa företag börjar fundera på verkliga hierarkiska förhållningssätt till ett antal problem i branschen, och verifiering är en som måste tänkas om. Den automatiska genereringen av abstrakta modeller från detaljerade är ett nyckelelement i detta. Verifieringen på blocknivå bör skapa en modell på högre nivå som kan användas för integrationsverifiering, eller andra högre former av verifiering. Dessa genererade modeller är specifika för syftet med verifieringen på högre nivå. Till exempel kan en modell på högre nivå vara en abstrakt funktion och en statistisk modell för timing, eller så kan den bara fånga en I/O-modell som flaggar en varning om den ser en uppsättning mönster och tillstånd som inte täcktes av block- nivåverifiering. Det finns så många möjligheter.

Sedan finns det effektivitetsvinster inom designen. Det är tydligt att företag försöker minska strömförbrukningen baserat på antalet chipfel relaterade till denna uppgift. Branschen behöver mycket bättre verktyg för att hitta effektivitetsvinster och verifiera effekten av dem.

Skapa saker för en hållbar framtid

Går det du arbetar med in i en värld som är mer energieffektiv än den var innan din produkt blev tillgänglig? I vissa fall kan det vara ganska lätt att svara på, som att producera en processor som gör fler operationer per watt än föregående generation. Men det finns många nivåer i detta.

Ett tankemönster har stört mig länge. Programvaruprogrammeringsparadigmet är så förankrat att industrin kommer att göra vad som helst för att bevara det, även när det är så ineffektivt att det borde skrotas och ersättas med något annat. Det kan leda till att det krävs mer tid för programvaran, men produkten skulle sluta bli en storleksordning mer energieffektiv. Till exempel, vem gör ML med en allmän CPU? Det gjorde de ett tag innan de hittade lämpligare alternativ, men det finns många andra uppgifter som fortsätter att använda fel bearbetningsarkitektur.

På samma sätt har forskare inom AI/ML minskat behovet av onödigt hög precision. Den användes från början eftersom det inte fanns något annat, men att använda flytande punkt med full precision slösar så mycket energi. Edge-inferens har förbättrats snabbare, för utan det skulle produkter inte vara möjliga. Men mycket mer eftertanke måste läggas på massiva minskningar av inlärningsenergin.

Sedan finns det klassen av produkter som trotsar alla föreställningar om att vara hållbara. Deras enda anledning till existens är att tjäna pengar på miljöns bekostnad. Exemplet jag alltid väljer är rekommendationsmotorer. Kan vi stoppa denna dumhet? De fungerar inte och de har inget bra syfte. För personer som arbetar med dessa produkter, vänligen tänka om var du placerar din talang, och om du har en möjlighet att byta till något som är för samhällets bästa, snälla gör det.

Vår industri har en enorm makt att påverka alla aspekter av samhället. Även om jag tycker att vi har en rimlig meritlista, är det långt ifrån perfekt. Vi har tagit den enkla vägen varje gång, och det betyder att vi är långt ifrån där vi skulle kunna vara när det gäller energieffektivitet. Vi måste tänka på det i varje hörn av det vi gör. COVID visade att även en förändring av arbetsförhållandena kan ha stor inverkan. Vi måste hitta balansen mellan kontorsarbete och att utnyttja "lokala" resurser. Vi måste sluta tro att beräkningskraften är oändlig och koncentrera oss mer på hur vi minskar mängden beräkningar vi behöver, eller hur vi kan utföra beräkningen mer effektivt.

Vi alla Kan göra skillnad. Använd det nya året till att börja tänka på det lite mer. Individuellt kan vi inte lösa problemet, men var och en av oss kan ge ett litet bidrag.