EDA工具进入2.0时代,机器学习的渗透看这四大阶段

2017-11-09 08:36:11 来源:EEFOCUS
标签:

最近,随着机器学习(ML)的日益普及,以及电子工业向物联网和汽车行业的渗透转移,人工智能在硬件和软件方面的应用一片喧嚣。业界大量讨论了嵌入式智能在产品实现上的进展和成绩,现在,我们需要把目光的焦点更多地放在如何向EDA世界注入更多的智能上面。

今年早些时候,台积电宣布在ARM A72和A73内核上成功地初步部署了机器学习,帮助预测最佳的单元时钟门控,以获得50到150兆赫兹的整体芯片速度。在这些技术中,包括使用由台积电维护的开源算法来训练模型。

在2017年国际物理设计研讨会(ISPD)上,台积电将此平台称为ML Design Enablement Platform。据预计,它将允许设计人员创建自定义脚本,以用于其他设计。

 


在华美半导体协会(CASPA) 2017年会期间,Cadence公司的杰出工程师David White分享了他关于EDA世界当前所面临的挑战的想法,其中包括三个方面:

•规模 - 随着设计规模的不断增加,规则/限制的增多,以及模拟仿真、提取、多边形等带来的庞大数据,EDA厂商需要获得工艺文件。
•复杂性 - 更复杂的FinFET工艺技术导致复杂的DRC/ERC效应,而芯片和封装/电路板之间的普遍交互成为常态。另一方面,器件和电线之间的热物理效应也需要注意。
•生产力 - 培训程度受限的设计人员和物理工程师会引入不确定性,造成多次设计迭代。

此外,David将ML(或深度学习)的采用过程分为四个阶段:

 

表1


尽管EDA行业今年已经开始接受机器学习,并将之作为增强解决方案的新手段,但是问题在于,我们现在走到哪一步了?今年在奥斯汀举行的2017 DAC大会上,有几家公司宣布在其产品中增加了机器学习能力,如表2所示。

 

表2


你可能听说过这样一句名言:“信息占了战争形式的90%”。 ML的采用可能需要良好的数据分析,因为需要面对的数据量实在太大。对于大多数硬件产品而言,机器学习可以在终端(网关)执行,也可以部署在云端。就EDA工具而言,如何实现取决于训练模型有多庞大,需要多么精确,以及是否需要多次迭代。

例如,在FinFET工艺节点中预测包含多少通孔柱可以在设计实现的不同阶段完成,而模型精度应该在后期布线阶段验证。在布置阶段注入通孔柱不同于在物理综合阶段注入,因为当时还没有合理化设计和预计轨道使用量的概念。

让我们回顾一下David的介绍,找出设计和开发智能解决方案需要采取哪些步骤,这些解决方案包括使用ML、执行分析和云技术,再加上流行的优化。他认为这包括两个阶段:训练开发阶段和运行阶段。每个阶段都隐含着如下图所示的特定的上下文,(训练=数据准备+基于模型的推理;运行=适应)。

 

表3


David的构想的要点是在数据生成、训练和验证模型之前正确地管理数据准备过程,以减少数据量。一旦完成了对模型的验证,就可以进行校准,并集成到底层的优化过程中。他相信,我们在将机器学习应用到EDA这个方面,处于第二阶段(参见表1)。

台积电已经开始在布局&布线(P&R)阶段探索使用ML进行路径分组以改善时序,并采用Synopsys ML预测潜在的DRC热点,考虑到2017 年台积电的开放创新平台日益关注ML,可以认为,在采用更智能的解决方案来平衡高密度和更精细工艺技术的复杂性挑战方面,我们正走在正确的轨道上面。

 

更多有关EDA工具的资讯,欢迎访问 与非网EDA专区

 

与非网编译内容,未经许可,不得转载!

 

 
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

作者简介
与非网小编
与非网小编

电子行业垂直媒体--与非网小编一枚,愿从海量行业资讯中淘得几粒金沙,与你分享!

继续阅读
AI领域全球最具影响力机构TOP100,中国有哪些机构上榜?
AI领域全球最具影响力机构TOP100,中国有哪些机构上榜?

现在「人工智能」(ArtificialIntelligence)一词时常「做客」各大媒体平台,成为人们所关注的热点话题,而在学术圈,AI 技术同样也是最具活力与吸引力的研究课题。

技术宅带你深扒RISC-V技术关键点,就是看好它
技术宅带你深扒RISC-V技术关键点,就是看好它

近年来,产生、处理及进一步利用数据以取得更多价值与资讯的方式已大不相同,而这都是受到深度学习与神经网路应用等新型运算模型崛起所影响。

2018年半导体领域最大的赢家和失意者,四个候选者你选谁?
2018年半导体领域最大的赢家和失意者,四个候选者你选谁?

这是一场围绕半导体生态圈的持久话题。最大赢家我的选择是台积电。他们迎来一个丰收年,而未来也会如此。GF终止7nm让AMD转入台积电帐下,传闻称英特尔也将转移部分产能到台积电,当然苹果和其他产业界已经开始在台积电流片7nm让其继续保持行业领先,可以提前庆祝这一年的胜利了。

拿到“大基金”支持,国产EDA大佬华大九天打算怎么花
拿到“大基金”支持,国产EDA大佬华大九天打算怎么花

2018年9月12日,本土电子设计自动化(EDA)领军企业北京华大九天软件有限公司(华大九天)今日宣布,已完成2018年新一轮融资工作。

未来5年MCU市场将保持7.2%年复合增长率,看哪些市场是推手
未来5年MCU市场将保持7.2%年复合增长率,看哪些市场是推手

嵌入式控制在系统中的广泛应用、更多的传感器以及将终端应用连接到物联网(IoT)的热潮,推动了MCU的销售和设备出货量。

更多资讯
Cadence:10nm以后挑战重重,人工智能和机器学习正在酝酿一场变革

华为麒麟980的发布,开启了手机芯片的7nm时代,新的工艺节点带来了CPU、GPU、NPU的大幅性能提升,将手机芯片提升到了全新高度,但是新的工艺节点同样也让未来的芯片设计面临更多技术方面的挑战,生产设备成本太高,代工厂需要承担更大的风险,应用商需要负担更多的代工费用等等。

增强PCB设计过程中的EEMC仿真分析

由于PCB板上的电子器件密度越来越大,走线越来越窄,走线密度也越来越高,信号的频率也越来越高,不可避免地会引入EMC(电磁兼容)和EMI(电磁干扰)的问题,所以对电子产品的电磁兼容分析以及应用就非常重要了。但目前国内国际的普遍情况是,与IC设计相比,PCB设计过程中的EMC分析和模拟仿真是一个薄弱环节。

DSP控制板卡决定系统扫描速度和扫描精度

振镜扫描式激光标记技术就是通过控制两片高速振镜的偏转角, 改变激光的传播方向, 经过F-Theata透镜在工件表面的聚焦, 在工件表面作标记。与传统的标记技术相比, 它具有适用面广(对不同材料、形状的加工表面均适合) , 工件无机械变形, 无污染, 标记速度快, 重复性好, 自动化程度高等特点, 在工业、国防、科研等许多领域具有广泛的用途

PCB板金属化过孔内壁的表面粗糙度对射频性能的影响

5G无线网络因覆盖了较宽的频带,对工作于毫米波频率下5G电路的线路板材料提出了特殊的要求。本文探讨了用于PCB材料顶层铜箔与底层铜箔之间传输信号的金属化过孔内壁的表面粗糙度对材料的最终射频性能的影响。

PCB设计中EMI传导干扰该如何处理?

我们在进行电子产品或设备进行EMI分析时先要分析系统的干扰的传播路径;如果在我们产品设计测试时出现超标的情况,如果我们能通过分析路径或者知道干扰源的路径对解决问题就变得轻松!在实际应用中我将EMI的耦合路径进行总结-为设计提供理论依据!

Moore8直播课堂
电路方案