Son Synopsys Kullanıcı Grubu Toplantısında (SNUG), çipletler konusunda uzmanlardan oluşan bir panele liderlik etme onuruna sahip oldum. Bu panelistlerden biri Ansys Elektronik, Yarı İletkenler ve Optik Başkanı John Lee idi.
İmzalama akışı nasıl gelişiyor ve giderek artan imzalama karmaşıklığı sorununun hafifletilmesine yardımcı olmak için neler yapılıyor?
Çoklu kalıpla ilgili olarak vurgulayacağım ve ardından bunları en iyi şekilde nasıl çözebileceğimiz hakkında konuşacağım üç temel zorluk var. Birincisi, silikon sistemleri arasındaki çizgiler bulanıklaşıyor, dolayısıyla artık çok ölçekli problemler dediğimiz problemlerle karşı karşıyayız; burada transistör seviyesinde hücre ısısı gibi nano ölçekli etkilere bakıyorsunuz, ancak daha sonra santimetre veya potansiyel olarak metre ölçeğine gitmeniz gerekiyor. paketteki ve elektronik sistemdeki birden fazla kalıba baktığınızda efektler.
İkincisi bence çok açık, Multifizik. Siz daha fazla ve daha yüksek sinyal hızlarını paketledikçe, biz daha fazla termal üretiyoruz ve siz termal kalıpları üst üste istifleyerek ısı üretmeye başlıyorsunuz. Ayrıca hesaba katmanız gereken ciddi mekanik etkiler de olacaktır.
Üçüncüsü Çoklu organizasyon mücadelesidir. Tipik olarak sektöre veya müşteri tabanına baktığımızda, bir çip ekibiniz, bir paket ekibiniz var ve bazı kalıplar kendi şirketinizden bile gelmeyebilir, dolayısıyla çözülmesi gereken bir organizasyonel zorluk var. ele alinan.
Biz buna 3M diyoruz: Çoklu Ölçek, Çoklu Fizik ve Çoklu Organizasyon. Ve gerçekten bunu imzalama açısından desteklemek için fizikle başlamalıyız, değil mi? Eğer elektromanyetikleri doğru bir şekilde modellemiyorsak, termalleri doğru bir şekilde modellemiyorsak; güç bütünlüğü, sinyal bütünlüğü ve termal bütünlük, başlatıcı değildir.
Bu nedenle açık ve genişletilebilir bir platform sağlamamız gerekiyor. Platform, gerçek bir transistör tasarımı için bilgi işlem açısından ölçeğin çok güzel bir şekilde genişletilmesi anlamına gelir. Üçüncü bölüme, yani bir ortaklık olan bu bilişimi verimli, açık ve genişletilebilir bir şekilde nasıl ölçeklendirirsiniz ve çoklu kalıp etrafında çözdüğümüz sorunların ölçeğini ve kapsamını nasıl artırırsınız? Gerçekten bir köye ihtiyaç var. Örneğin, Synopsis platformuyla yakın işbirliği içinde çalışan Ansys platformu, birlikte gördüğümüz zorlukları daha iyi çözen açık genişletilebilir ekosistemin harika bir örneğidir.
Bu Multifizik etkilerinin artan öğrenme eğrisi nasıl ele alınıyor?
Ansys, 50 yılı aşkın bir süredir mekanik termal CFD simülasyonu yapıyor, yani bu diferansiyel denklemleri nasıl çözeceğimizi bilmediğimiz anlamına gelmiyor. Özellikle termalle ilgili başka bir örneğe bakarsanız, genellikle yarı iletken şirketlerinin bir termal ekibi olabilir. Bu termal hiçbir zaman çip ekibine, IP ekibine veya paket ekibine ait olmadı. Ya da eğer öyleyse, her birinin bu konuda farklı bir görüşü vardı. Ve sonra, muhtemelen son beş yılda, .
Daha önce de belirttiğim gibi müşteri yol haritalarımızı 2.5D ve 3D olarak gördük.
Çok yakında bir trilyon transistör tasarımı olacak. Ve bir trilyon transistör, 10 trilyon geometri anlamına gelebilir. Ve termal açıdan bakıldığında, bunu yüz trilyon elemente ayırmak istiyoruz ki bu elbette hesaplama açısından imkansızdır. Peki bunu, aynı zamanda imzalanabilecek, aynı zamanda 3D IC derleyicileriyle birlikte çalışabilecek uygulanabilir bir akışa nasıl dönüştürebiliriz? Yani, erken sistem düzeyinde farkındalığa sahibiz. Synopsys ve TSMC gibi şirketlerle birçok ortak inovasyon gerçekleştiriyoruz.
Sıcak noktaları nasıl tanımlayabileceğimiz ve ağ oluşturmayı nasıl daha iyi optimize edebileceğimiz konusunda bize rehberlik etmesi için AI/ML'yi kullandık. Bu bizi, sistem düzeyinde daha hızlı simülasyonlar yapabilmemiz için soyutlamalar yapmak için azaltılmış dereceli modelleri kullanmaya daha yoğun bakmaya zorladı. Ve Ansys'in bu denklemleri çözme konusunda sahip olduğu tüm deneyime dayanarak kesinlikle pazar liderliğine sahip olduğumuzu hissettiğimizi söyleyebilirim, ancak hala orada olduğumuzu söyleyebilirim. Bu sistemleri istediğimiz güce ve kullanışlılığa getirmek için muhtemelen önümüzde bir beş yıl daha sıkı çalışmamız var. Yapay zeka da bunun bir parçası olacak, değil mi? Neyse ki AI zaten bunun bir parçası.
Müşterinin güvenilirlik sorununa bakış açısı nedir?
Kesinlikle arttı ve 'örnek, güvenilirliğin birincil endişe haline geldiği mükemmel bir örnek, ancak klimalı bir depoda olmayan bir 5G baz istasyonu kuruyorsanız veya ölçeklendiriyorsanız da bu durum genişliyor devasa bir veri merkezi. Güvenilirliğin giderek artan bir sorun teşkil ettiği çeşitli kullanım durumları mevcut ve biz bu alana yatırım yaptık.
Son derece önemli olan izleme güvenilirliği için elektronik tablolardan resmi sistemlere uzanan işlevsel güvenlik ISO 20620 uyumluluğu ve inşası adı verilen bir ürünümüz var. Yazılım tarafına da biraz odaklandık. Başlangıçta otomotiv yazılım sistemlerine yatırım yapıyorduk ve bunların arızalara karşı dayanıklı olduğundan emin oluyorduk, ancak bu ürün serisinin otomotiv endüstrisine çok fazla benimsendiğini gördük. Ancak ekibim için en alakalı çalışma, TSMC gibi dökümhanelerle ve güvenilirliği daha iyi sağlamak için hesaplamalı fiziği kullandığımızdan emin olmaktı.
Ayrıca Oku:
Çipten Sisteme Çoklu Fizik Analizi
Silikon Aracıların Tasarımınızı Öldürmemesini Sağlayacak Kontrol Listesi
HFSS, Üstel İnovasyonla Öncülük Ediyor
Bu gönderiyi şu yolla paylaş:
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoAiStream. Web3 Veri Zekası. Bilgi Genişletildi. Buradan Erişin.
- Adryenn Ashley ile Geleceği Basmak. Buradan Erişin.
- PREIPO® ile PRE-IPO Şirketlerinde Hisse Al ve Sat. Buradan Erişin.
- Kaynak: https://semiwiki.com/eda/ansys-inc/329255-chiplet-qa-with-john-lee-of-ansys/
