Вирішення проблем характеризації та перевірки бібліотеки за допомогою ML

У розширених вузлах процесів вимоги до Liberty або бібліотеки (.lib) є більш вимогливими через складність дизайну, збільшення кількості кутів, необхідних для підтвердження синхронізації, і потребу в статистичному моделюванні варіацій. Це призводить до збільшення розміру, складності та кількості характеристик .lib. Перевірка та перевірка цих складних і великих файлів .lib є складним завданням і становить значну загрозу для успішного закриття синхронізації та навіть збоїв кремнію, якщо помилки .lib не виявлено та не виправлено вчасно.

У цьому офіційному документі описується використання методів машинного навчання (ML) у Siemens EDA Solido Characterization Suite, який прискорює характеристику .lib якості виробництва та перевірку на передових технологічних вузлах. Ці методи ML вирішують деякі фундаментальні проблеми з високими вимогами .lib до сучасних технологічних вузлів та їх перевірки.

Виробництво .lib із підтримкою ML і перевірка за допомогою Solido Generator і Solido Analytics
Solido Characterization Suite використовує перевірені у виробництві методи ML для прискорення визначення характеристик бібліотеки та перевірки стандартних комірок, пам’яті та спеціальних блоків. Двома основними компонентами пакету є Solido Generator і Solido Analytics.

Solido Generator використовує методи ML для прискорення загального процесу характеристики бібліотеки шляхом миттєвого створення бібліотек для додаткових кутів PVT після початкової характеристики. Solido Generator використовує наявні бібліотеки, що характеризуються SPICE, як дані прив’язки для побудови моделей ML бібліотек і створення нових бібліотек PVT.

Перед створенням додаткових PVT Solido Generator аналізує набір опорних кутів, щоб визначити оптимізований набір бібліотек, необхідних для додаткового створення PVT. Оскільки інструмент використовує набір попередньо охарактеризованих бібліотек .libs, він усуває залежність від списків з’єднань або підсхем SPICE і потребу копіювати налаштування характеристик, щоб відповідати параметрам постачальника бібліотеки. Solido Generator працює приблизно в 100 разів швидше, ніж традиційний SPICE.

Методи з підтримкою ML у Solido Generator дають користувачам «найкраще з обох світів», генеруючи виробничо точні LVF .libs для додаткових кутів PVT за частку часу виконання порівняно з методом грубої сили Монте-Карло або наближеним методом Монте-Карло, зберігаючи при цьому точність. еквівалентно його вхідному прив'язці .libs. Solido Analytics — це вдосконалене рішення для перевірки, аналізу та налагодження бібліотек, яке включає не лише швидкі, паралелізовані та комплексні статичні перевірки на основі правил, але також використовує інструмент виявлення викидів ML, який «вивчає» очікувані характеризувані значення в бібліотеці та автоматично виявляє помилки, такі як викиди або немонотонну поведінку в охарактеризованих даних, які зазвичай не виявляються іншими інструментами.

Щоб прочитати більше, натисніть тут.

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