Современные ИС чрезвычайно сложны. Средний чип настольного компьютера по состоянию на 2015 год содержит более 1 миллиарда транзисторов. Правила того, что можно и что нельзя производить, также чрезвычайно сложны. Общий IC процессы 2015 года насчитывают более 500 правил. Более того, поскольку сам производственный процесс нельзя полностью предсказать, проектировщики должны учитывать его статистический характер. Сложность современной конструкции ИС, а также давление рынка, направленное на быстрое производство проектов, привели к широкому использованию инструментов автоматизированного проектирования в процессе проектирования ИС. Короче говоря, проектирование ИС с использованием программного обеспечения EDA - это проектирование, тестирование и проверка инструкций, которые ИС должна выполнять.
Cadence Design Systems, Inc объявила о поставке Cadence Cerebrus Intelligent Chip Explorer, нового инструмента на основе машинного обучения (ML), который автоматизирует и масштабирует дизайн цифровых микросхем, позволяя клиентам эффективно достигать сложных целей проектирования микросхем. Комбинация Cerebrus и Cadence RTL для авторизации предлагает продвинутым разработчикам микросхем, командам САПР и разработчикам IP возможность повысить производительность проектирования до 10 раз по сравнению с ручным подходом, а также реализовать до 20% лучшую мощность, производительность и площадь. (PPA).
С добавлением Cerebrus к более широкому портфелю цифровых продуктов, Cadence предлагает самый передовой в отрасли цифровой полный поток с поддержкой машинного обучения, от синтеза до внедрения и утверждения. Новый инструмент поддерживает облачные технологии Amazon Web Services (AWS) и других ведущих облачных платформ и использует высокомасштабируемые вычислительные ресурсы для быстрого удовлетворения требований проектирования на широком спектре рынков, включая потребительские, гипермасштабируемые вычисления, связь 5G, автомобильную и мобильную связь.
Корреспондент ELE Times Маянк Вашишт поговорил с Венкатом Танвантри, вице-президентом по исследованиям и разработкам, AI / ML для цифровых технологий и Signoff, Cadence о том, как автоматизированные процессы могут быть полезны в цикле проектирования микросхем и как они напрямую подходят разработчикам. Мы также говорили о последнем асе Cadence в дыре «Церебрус».
Выдержки:
ELE Times: Как ML может предоставить средства для сокращения цикла проектирования микросхем, создавая более интегрированные отношения между аппаратным обеспечением и ML, при этом каждое из них способствует развитию другого?
Каденция: Чтобы включить Полупроводниковое Чтобы промышленность продолжала расти, процесс проектирования микросхем должен стать более эффективным. С появлением массовых распределенных вычислений с поддержкой облачных вычислений и достижений в области машинного обучения теперь возможна следующая революция в области автоматизации проектирования микросхем.
ELE Times: Чем Cerebrus отличается от других инструментов машинного обучения для проектирования, поскольку Google также представил машинное обучение в качестве инструмента для проектирования микросхем (модель обучения с подкреплением).
Каденция: Cadence Cerebrus Intelligent Chip Explorer использует технологии распределенных вычислений и машинного обучения для более быстрого повышения мощности, производительности и площади (PPA). Cerebrus основан на ведущей в отрасли цифровой полнопоточной системе Cadence. Команды инженеров теперь могут масштабироваться и работать более продуктивно, используя механизм обучения с подкреплением Cerebrus, чтобы решать задачи все более крупных и сложных систем на кристалле (SoC). Ключевым отличием здесь является то, что Cerebrus обращается к машинному обучению во всем цифровом потоке, а не только в одной его части.
ELE Times: Какие преимущества дает «Церебрус» конструкторам?
Каденция: Хотя дизайн technology за последние десятилетия стала намного сложнее, базовый процесс проектирования микросхем остался прежним. Одна из самых больших проблем проектирования сегодня связана с нехваткой квалифицированных инженеров по проектированию и внедрению. Текущие команды перегружены, что влияет на способность компаний выводить на рынок новые продукты. Реальность такова, что будущие чипы должны производиться быстрее и с большей степенью автоматизации.
К счастью, в течение последних нескольких лет стали доступны некоторые ключевые технологии, которые позволят сделать следующий большой скачок в производительности проектирования микросхем: инженерные группы теперь имеют доступ к огромным вычислительным мощностям, как локально, так и с использованием облачных ресурсов, а машинное обучение добился значительного прогресса и теперь готов и доступен для целей автоматизации электронного проектирования. Обе эти технологии сделали возможной следующую революцию в дизайне микросхем - автоматизированную оптимизацию потока на основе машинного обучения, и именно здесь на помощь приходит Cerebrus.
Используя полностью автоматизированную технологию полнопоточной оптимизации RTL-to-GDS, основанную на машинном обучении, Cerebrus может обеспечить более высокие результаты по мощности, производительности и площади (PPA) быстрее, чем вручную настроенный поток, тем самым повышая продуктивность команды инженеров.
ELE Times: Процесс цифрового дизайна может быть методом решения проблем с учетом когнитивных и стратегических результатов, которые он предлагает. Прокомментируйте Заявление с вашей точки зрения и с точки зрения услуг, предлагаемых Cerebrus.
Каденция: Реализация цифрового дизайна в значительной степени зависела от знаний и опыта дизайнеров, а качество результатов сильно различается в зависимости от дизайнеров или команд, а также от методов и процессов, которым они следуют. Используя процесс внедрения на основе Cerebrus, проектные компании могут использовать технологию машинного обучения для масштабирования своих операций, чтобы более эффективно разрабатывать гораздо больше схем, повышая продуктивность проектных групп.
ELE Times: Что вы думаете о будущем инструментов EDA на базе машинного обучения?
Каденция: Машинное обучение может принести огромные преимущества в автоматизацию электронного проектирования (EDA). ML позволяет инструментам EDA становиться эффективными и масштабируемыми по мере роста размера и сложности дизайна. Мы все еще находимся на очень ранних стадиях применения технологий машинного обучения в индустрии и инструментах EDA. Как автомобильный промышленность движется к самоуправлению, инструменты EDA, использующие технологии машинного обучения, станут намного проще в использовании и «самодвижущимися» к лучшим решениям. Акцент здесь делается на том, чтобы направить решение к решениям или действиям, которые могут дать более благоприятный результат (обычно измеряемый как лучшая мощность, производительность и площадь, или PPA), где технология быстро находит решения, которые инженеры-люди могут не попробовать. исследовать.
Маянк Вашишт | Подредактор | ELE Times