AI And SPICE Circuit Simulation Applications - Semiwiki

Återutgiven av Platon

anhängare: 0

Kan du nämna EDA-leverantören som först använde AI för 15 år sedan för kretsdesigners som använder SPICE-simulatorer? Jag kan minnas den där säljaren, det var Solido, nu en del av Siemens EDA, och jag har precis läst deras 8-sidiga papper om hur de ser på de olika nivåerna av AI som används i EDA för att hjälpa IC-designers att arbeta smartare och snabbare än att använda manuella metoder.

Anpassade konstruktioner inklusive cell-, minnes- och analoga IP-bibliotek kräver att SPICE-simuleringar körs över många kombinationer av process, spänning och temperatur (PVT) såväl som lokal variation för att vara fullständigt verifierad för målutbyte, såsom 3, 4, 5, 6 sigma , eller högre. Dessutom kräver timingmodeller som används av logiksyntes och statiska timinganalysverktyg också många SPICE-simuleringar för .lib-modellering och validering, särskilt med statistisk variation inkluderad i Liberty Variation Format (LVF)-sektioner av .libs. Dessa uppgifter kräver miljontals eller miljarder SPICE-simuleringar och kan ta veckor att slutföra.

Solido-teknologin använder en adaptiv AI-metod som använder SPICE-simuleringar för att få initiala resultat, väljer provpunkter, simulerar fler slutpunkter och sedan självverifierar och anpassar efter behov, med resultat som matchar brute-force Monte Carlo-metoder på en bråkdel av tid.

Alla EDA-verktyg som använder AI måste uppfylla ett kriterium för att vara pålitligt, som kan det verifieras, är det korrekt jämfört med en referens, fungerar det i allmänhet på alla mina konstruktioner, är det tillräckligt starkt för att spara tid och ansträngning, och kan den användas av ett ingenjörsteam. Du kan också tänka på mognadsnivån för ditt EDA-verktyg med AI-funktioner.

Nivå 0 – ingen AI-tillvägagångssätt, SPICE med brute-force Monte Carlo.
Nivå 1 – delvis pålitlig AI, där den fungerar på vissa celler, men inte alla.
Nivå 2 – delvis pålitlig AI, med självverifiering och acceptabel noggrannhet.
Nivå 3 – adaptiv, noggrannhetsmedveten AI, där resultat med låg noggrannhet ersätts av resultat med högre noggrannhet genom mer datainsamling, vilket förbättrar modeller automatiskt.
Nivå 4 – fullproduktions-AI som fungerar för alla celler, alla hörnfodral, hela tiden.

Här är ett EDA-verktyg för nivå 3 av AI-mognad:

Denna automatiserade metod ger exakta resultat mycket snabbt, men kräver inte manuellt ingrepp. Att nå nivå 1 av AI tar dagar, nivå 2 tar månader, nivå 3 kräver år och nivå 4 kommer att kräva årtionden av utvecklarår att uppnå.

Solido Designmiljö har en funktion för high-sigma-verifiering, där AI snabbar upp SPICE-körningar med en storleksordning, men noggrannheten är full SPICE. Ingenjörer kan nå 6 sigma-verifieringsresultat på mycket kortare tid jämfört med brute-force-metoder. Att använda High-Sigma Verifier-metoden visade en hastighetsförbättring på 4,000,000 XNUMX XNUMX gånger snabbare än brute-force i ett cellexempel. Med gamla metoder skulle ett ingenjörsteam inte ens överväga hög sigma-verifiering, eftersom körtiderna skulle vara för långsamma.

Dessutom gör additiv AI det möjligt för Solido Design Environment att återanvända AI-modeller från en körning för att ytterligare snabba upp efterföljande körningar, vilket accelererar inkrementella verifieringsuppgifter med upp till ytterligare 100X.

För att skapa och verifiera Liberty (.lib)-modeller med AI, skulle en ingenjör köra Solido Generator som producerar nya PVT-hörn .libs med hjälp av befintliga PVT-hörn som ankardata, och Solido Analytics för att fullständigt validera .libs, inklusive upptäckt av extremvärden och potentiella problem i .lib-data automatiskt. Båda dessa verktyg är en del av Solido Characterization Suite. AI-teknikerna här minskar .lib-produktion och valideringstid från veckor till bara timmars körtid.

Färdkartan för AI-tekniker med Solido-verktyg inkluderar Assistive AI, där generativ AI hjälper ingenjörer att hitta och välja designoptimeringsalternativ.

Sammanfattning

Solido har en 15-årig historia av att tillämpa AI-tekniker på kretsdesigners för högsigma-verifiering och cellkarakterisering, vilket ger dem verifieringsresultat på mycket kortare körtider. Fråga dina EDA-leverantörer vad de har för erfarenhet av att tillämpa AI-metoder på sina verktyg och försök se vilken nivå av AI-mognad som erbjuds. Att nå en nivå 3 eller nivå 4 AI-mognad kräver årtionden av utvecklingsinsatser.

Läs 8 sidors artikel på Siemens EDA.