Aangepaste en analoog-gemengde signalen (AMS) IC-ontwerpen worden gebruikt wanneer de hoogste prestaties vereist zijn en het gebruik van digitale standaardcellen gewoon niet aan de vereisten voldoet. Het handmatig dimensioneren van schema's, het maken van de IC-lay-out, het extraheren van parasitaire elementen, het vervolgens meten van de prestaties om vervolgens terug te gaan en door te gaan met itereren is een lange, vervelende aanpak. Siemens EDA biedt EDA-tools aan die een breed scala bestrijken, waaronder: synthese op hoog niveau, IC-ontwerp, IC-verificatie, fysiek ontwerp, fysieke verificatie, productie en testen, verpakking, ontwerp van elektronische systemen, verificatie van elektronische systemen en productie van elektronische systemen. Als we inzoomen op de categorieën IC-ontwerp en IC-verificatie, komen tools voor aangepaste IC in beeld, zoals de Solido-ontwerpomgeving. Ik had een videoconferentie met Wei Tan, Principal Product Manager voor Solido, om een update te krijgen over hoe AI wordt gebruikt.
Het ontwerpen van een SoC op 7 nm kan tot $300 miljoen kosten, en 5 nm kan oplopen tot $500 miljoen. Een solide ontwerp- en verificatiemethodologie is dus van cruciaal belang voor het financiële budget en voor het succes van first-pass-silicium. Met elk kleiner procesknooppunt neemt het aantal PVT-hoeken dat nodig is voor verificatie alleen maar toe.
De algemene belofte van het toepassen van AI op het IC-ontwerp- en verificatieproces is het verbeteren of verminderen van het aantal brute-force-berekeningen, het helpen van ingenieurs om productiever te zijn en het helpen opsporen van de hoofdoorzaken van problemen zoals opbrengstverlies. Cruciale elementen bij het gebruik van AI in EDA-tools zijn onder meer:
- Controleerbaarheid: de antwoorden zijn correct
- Bruikbaarheid -niet-experts kunnen de tools gebruiken zonder een doctoraat in de statistiek
- Algemeen – het werkt op aangepaste IC-, AMS-, geheugen- en standaardcellen
- Robuustheid – alle hoekkasten werken naar behoren
- Nauwkeurigheid – dezelfde antwoorden als brute-force-methoden
Wei had het over drie niveaus van AI, waarbij het eerste Adaptieve AI is dat een bestaand proces versnelt met behulp van AI-technieken, het volgende niveau Additieve AI is dat eerdere modelantwoorden behoudt in nieuwe runs, en het laatste niveau van Assistieve AI om circuitontwerpers te helpen productiever met nieuwe inzichten en gebruik van generatieve AI.
Solido heeft zo'n 15 jaar ervaring met het toepassen van AI-technieken op EDA-tools die door circuitontwerpers op transistorniveau worden gebruikt. Voor Monte Carlo-simulaties met behulp van Adaptive AI is er een snelheidsverhoging tot 10,000x, zodat je op alle hoeken 3 tot 6+ sigma-resultaten kunt krijgen die overeenkomen met de nauwkeurigheid van brute kracht. Hier is een voorbeeld van adaptieve AI waarbij een 7.1 sigma-verificatie waarvoor 10 biljoen brute-force-simulaties nodig waren, slechts 4,000 simulaties gebruikte, of 2,500,000,00x sneller met SPICE-nauwkeurigheid.
De Solido Design Environment schaalt ook goed in de cloud om simulatieruns te versnellen met behulp van AWS- of Azure-leveranciers om aan de piekvraag te voldoen.
Een voorbeeld van Additive Learning maakt gebruik van hergebruik van AI-modellen als er meerdere PDK-revisies zijn en u uw volledige standaardcelbibliotheek voor elke nieuwe PDK-versie wilt karakteriseren. Bij de traditionele aanpak zou het 600 uur duren om de eerste PVT-runs uit te voeren met behulp van Monte Carlo, wat vijf revisies omvat.
Met het hergebruik van AI-modellen kost dit scenario veel minder tijd om te voltooien, waardoor er ook veel MB tot GB aan gegevens op schijf wordt bespaard.
Ondersteunende AI wordt toegepast op de dimensionering van transistors en identificeert optimalisatiepaden om de PPA te verbeteren, bepaalt de optimale grootte van transistors om de beoogde PPA-doelen te bereiken, en beschikt over vriendelijke rapporten om de voortgang te visualiseren. U kunt van uw IC-team verwachten dat het dagen tot weken aan engineeringtijd bespaart door gebruik te maken van AI-ondersteunde optimalisatie.
Samengevat
Custom- en AMS IC-ontwerpers kunnen nu op AI gebaseerde technieken toepassen in hun EDA-toolstromen tijdens zowel de ontwerp- als de verificatiefase. Adaptieve AI versnelt brute-force Monte Carlo-simulatie, Additief leren maakt gebruik van behouden AI-modellen om runs te versnellen, en Assistive AI wordt toegepast op circuitoptimalisatie en -analyse.
Ja, je hebt nog steeds circuitontwerpers nodig die circuits op transistorniveau voor ogen hebben, maar ze hoeven niet zo lang te wachten op resultaten als ze EDA-tools gebruiken die AI-technieken onder de motorkap hebben.
Gerelateerde blogs
Deel dit bericht via:
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
- PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
- PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
- Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
- Bron: https://semiwiki.com/eda/334732-ai-for-the-design-of-custom-analog-mixed-signal-ics/
