IC moden sangat rumit. Cip komputer desktop rata-rata, pada tahun 2015, mempunyai lebih daripada 1 bilion transistor. Peraturan untuk apa yang boleh dan tidak boleh dibuat juga sangat rumit. Biasa IC proses 2015 mempunyai lebih daripada 500 peraturan. Selanjutnya, kerana proses pembuatan itu sendiri tidak dapat diramalkan sepenuhnya, para pereka harus mempertimbangkan sifat statistiknya. Kerumitan reka bentuk IC moden, serta tekanan pasaran untuk menghasilkan reka bentuk dengan cepat, telah menyebabkan penggunaan alat reka bentuk automatik secara meluas dalam proses reka bentuk IC. Ringkasnya, reka bentuk IC yang menggunakan perisian EDA adalah reka bentuk, pengujian, dan pengesahan arahan yang harus dilaksanakan oleh IC.
Cadence Design Systems, Inc mengumumkan penyampaian Cadence Cerebrus Intelligent Chip Explorer, alat berasaskan pembelajaran mesin (ML) baru yang mengotomatisasi dan menimbang reka bentuk cip digital, yang membolehkan pelanggan mencapai tujuan reka bentuk cip yang menuntut dengan cekap. Kombinasi aliran Cerebrus dan Cadence RTL ke-signoff menawarkan pereka cip canggih, pasukan CAD dan pemaju IP untuk meningkatkan produktiviti kejuruteraan hingga 10X berbanding pendekatan manual sambil juga menyedari kuasa, prestasi dan kawasan yang 20% lebih baik (PPA).
Dengan penambahan Cerebrus ke portfolio produk digital yang lebih luas, Cadence menawarkan aliran penuh digital dengan kemampuan ML yang paling maju di industri, dari sintesis hingga pelaksanaan dan pengeluaran. Alat baru ini didayakan cloud di Amazon Web Services (AWS) dan yang terkemuka platform cloud dan menggunakan sumber komputasi yang sangat berskala untuk memenuhi keperluan reka bentuk dengan pantas di pelbagai pasaran termasuk pengguna, pengkomputeran skala besar, komunikasi 5G, automotif dan mudah alih.
Wartawan ELE Times Mayank Vashisht bercakap dengan Venkat Thanvantri, VP Penyelidikan & Pembangunan, AI / ML untuk Digital dan Signoff, Berkadar bagaimana proses automatik dapat berguna dalam kitaran reka bentuk cip dan bagaimana mereka secara langsung sesuai dengan para pereka. Kami juga bercakap mengenai ace terbaru Cadence di lubang 'Cerebrus'.
Petikan:
ELE Times: Bagaimana ML dapat menyediakan cara untuk mempersingkat siklus reka bentuk cip, mewujudkan hubungan yang lebih terintegrasi antara perkakasan dan ML, dengan masing-masing mendorong kemajuan yang lain?
Irama: Untuk membolehkan Semikonduktor industri untuk terus berkembang, proses reka bentuk cip mesti menjadi lebih cekap. Dengan adanya pengkomputeran dan kemajuan yang tersusun secara besar-besaran, yang didayakan oleh awan dan kemajuan dalam pembelajaran mesin, revolusi automasi reka bentuk cip seterusnya kini dapat dilakukan.
ELE Times: Bagaimana Cerebrus berbeza dengan alat ML lain untuk merancang kerana Google juga telah memperkenalkan ML sebagai alat dalam reka bentuk cip (Reinforcement Learning Model).
Irama: Cadence Cerebrus Intelligent Chip Explorer menggunakan teknologi pengkomputeran dan pembelajaran mesin yang diedarkan untuk memberikan daya, prestasi, dan luas (PPA) yang lebih baik dengan lebih pantas. Cerebrus berdasarkan aliran penuh digital Cadence yang terkemuka di industri. Pasukan kejuruteraan kini dapat meningkatkan dan menjadi lebih produktif menggunakan mesin pembelajaran pengukuhan Cerebrus untuk memenuhi cabaran reka bentuk sistem-atas-cip (SoC) yang semakin besar dan lebih kompleks. Pembezaan utama di sini ialah Cerebrus menangani pembelajaran mesin di seluruh aliran digital, dan bukan hanya satu bahagian aliran.
ELE Times: Apa faedah yang diberikan oleh 'Cerebrus' kepada jurutera reka bentuk?
Irama: Walaupun reka bentuk teknologi telah menjadi lebih canggih selama beberapa dekad, aliran reka bentuk cip asas kekal sama. Salah satu cabaran reka bentuk terbesar hari ini ialah tentang kekurangan jurutera reka bentuk dan pelaksanaan yang mahir. Pasukan semasa terlalu sarat, yang memberi kesan kepada keupayaan syarikat untuk membawa produk baharu ke pasaran. Realitinya ialah cip masa depan mesti dihasilkan lebih cepat dengan lebih automasi.
Nasib baik, selama beberapa tahun kebelakangan ini, beberapa teknologi utama telah tersedia yang akan memungkinkan lonjakan seterusnya dalam produktiviti reka bentuk cip: Pasukan kejuruteraan kini mempunyai akses kepada kekuatan pengkomputeran besar-besaran, baik di tempat atau menggunakan sumber awan, dan pembelajaran mesin telah mencapai kemajuan yang ketara, dan kini siap dan tersedia untuk tujuan automasi reka bentuk elektronik. Kedua-dua teknologi ini telah memungkinkan revolusi seterusnya dalam reka bentuk cip - pengoptimuman aliran automatik yang didorong oleh pembelajaran mesin, di mana Cerebrus masuk.
Dengan menggunakan teknologi pengoptimuman aliran penuh RTL-to-GDS yang sepenuhnya automatik, berasaskan pembelajaran mesin, Cerebrus dapat memberikan hasil Daya, Prestasi dan Kawasan (PPA) yang lebih baik lebih cepat daripada aliran yang disetel secara manual, sehingga meningkatkan produktiviti pasukan kejuruteraan.
ELE Times: Proses Reka Bentuk Digital boleh menjadi kaedah penyelesaian masalah dengan mempertimbangkan hasil kognitif dan strategik yang ditawarkannya. Sila Komen Penyataan dari perspektif anda dan dari segi perkhidmatan yang ditawarkan oleh Cerebrus.
Irama: Pelaksanaan reka bentuk digital sangat bergantung pada pengetahuan dan kepakaran para pereka, dan kualiti hasilnya sangat berbeza di antara pereka atau pasukan dan kaedah dan proses yang mereka ikuti. Dengan menggunakan aliran implementasi berdasarkan Cerebrus, syarikat reka bentuk dapat memanfaatkan teknologi ML untuk meningkatkan operasi mereka untuk merancang lebih banyak rangkaian dengan lebih efisien, membawa produktivitas yang lebih tinggi kepada tim reka bentuk.
ELE Times: Apa pendapat anda mengenai Masa Depan Alat EDA yang disempurnakan ML?
Irama: ML boleh membawa faedah yang besar untuk automasi reka bentuk elektronik (EDA). ML membolehkan alat EDA menjadi cekap dan berskala apabila saiz dan kerumitan reka bentuk bertambah. Kami masih dalam tahap awal menerapkan teknologi ML untuk industri dan alat EDA. Seperti automotif industri menuju ke arah memandu sendiri, alat EDA yang menggunakan teknologi ML akan menjadi lebih mudah digunakan dan "memandu sendiri" ke arah penyelesaian terbaik. Penekanan di sini adalah untuk mengarahkan penyelesaian ke arah keputusan atau tindakan yang cenderung menghasilkan hasil yang lebih baik (biasanya diukur sebagai kekuatan, prestasi, dan luas yang lebih baik, atau PPA), di mana teknologi dengan cepat mencari penyelesaian yang mungkin tidak dicuba oleh jurutera manusia secara semula jadi untuk meneroka.
Mayank Vashisht | Sub Editor | ELE Kali