Cadence Design Systems开发了一种机器学习工具，可以加速5NM和3NM工艺技术上复杂的前沿芯片的设计。
大脑智能芯片探索器工具使用加强学习（RL）算法在整个合成，地板规划和实施工具中起作用，以测试许多不同的方案，并收敛于朝着限制性能，权力和区域限制的版本上设计师。在云中使用该工具允许使用更多的处理器来加快实现并缩短设计时间。
Cadence集团导演机器学习产品管理集团总监Rod Metcalfe说：“优化全流量很重要。”
该工具在云中的多个处理器上运行，以提高设计生产率十倍，并将设计时间缩短到几天而不是数月。梅特卡夫说：“这是从现有团队中提高生产力的一种方式。”“客户需要更多的现有团队能力，他们只是无法聘请熟练的工程师，这是一个真正的问题。”
Cadence与Renesas在工具流程上合作，并引用了一个示例，其中5NM移动系统在芯片上设计，该工具将性能提高了14％至420MHz，将泄漏功率降低了7％至26MW，并且通过3％至62MW，尺寸降低了5％。仅需十天才能实现功率，性能，区域（PPA）优化，该优化可能需要数十亿晶体管的前沿芯片设计花费数月。
“Following this success, the new approach will be adopted in the development of our latest design projects,” said Satoshi Shibatani, director, Digital Design Technology Department, Shared R&D EDA Division at Renesas.
梅特卡夫说：“必须有很多事情来实现这一目标。”“大脑使用的分布式计算是可容纳的分布式计算，我们了解如何重新启动工作，这两个世界都融合在一起，机器学习以及云和本地中的大规模计算。”
大脑设计为可扩展的，因此可以轻松地进入数百个内核，但是Cadence使用了20台带有320个内核的机器来运行场景，以在芯片设计上的5NM系统上生成数据。“例如，我们还将系统启动并在AWS上运行。”
随着设计的进行，机器学习算法学习。
“You don’t have to run every single scenario through the whole flow and it learns as the flow is running, If something is not converging we can stop the flow and reuse the flow for another scenario but you do need to allow the machine to learn for a period of time to push through things like local minima.
相关文章
- EDA移到云端
- AWS，ARM在云中展示了生产规模的EDA
- 与Google，Microsoft，Amazon一起在云上与Google的Cadence团队
- Si2 group for AI and machine learning in chip design tools
- NVIDIA CADENCE，将机器学习应用于EDA
- AI在3nm处的标准单元格式增强
他说，大脑会了解Cadence工具流中的不同选项以及如何向不同方向驱动这些工具，并带有一套预包装的默认约束集以快速开始。Cadence还正在开发在每个单个工具中运行的代理，并连接到整体流动优化。
“您具有流量优化，最重要的是，您具有更高的优化，例如地板计划。我们正在研究其他高级技术
每个工具中每个运行中的方案数据都存储在所有工具都可以访问的中央数据库中，并且大脑生成了从设计中学习的机器学习模型。在项目结束时，这会导致下一个设计可以使用的持续性预训练模型。他说：“我们看到这有助于工程团队进行下一个设计。”
“场景信息必须保持足够长的时间才能训练模型，但是您不必保留所有方案信息，并且我们有一个构建的设计座舱来查看场景中的数字。例如，在200个场景中，您可能需要保留20个以向它们学习。大脑告诉您最好的情况，您可以保留。”他说。
大脑合成工具，Innovus实施系统，Tempus Timing签名解决方案，Joules RTL功率解决方案，Voltus IC Power Integrity解决方案和PEGASUS验证系统。
这些工具已在三星铸造厂的3NM工艺上进行了验证。
Sangyun说：“随着三星铸造厂继续部署最新的流程节点，我们的设计技术合作配置（DTCO）计划的效率非常重要，我们一直在寻找创新的方法来超过PPA在芯片实施中。”三星铸造设计技术副总裁Kim。“作为我们与Cadence的长期合作伙伴关系的一部分，三星铸造厂已经在多个应用程序上使用了大脑和Cadence数字实施流。我们已经观察到短短几天内最关键的障碍物的功率超过8％，而手动努力的功率则超过了。此外，我们正在使用大脑进行自动平面图发电网络的大小，这导致了超过50％的最终设计时机。由于大脑和数字实施流提供更好的PPA和显着的生产率提高，该解决方案已成为我们DTCO计划的宝贵补充。”
其他关于欧洲的文章
