当前位置:首页 > 原创 > 刘岩轩
[导读]芯片设计实现人工智能的切入点是在RTL到GDS环节中使用机器学习来进行大量数据挖掘,实现最完美的PPA输出。从复杂的人工传统实现算法负担中将设计者解放,把精力放在更加有思维价值实现的地方。

旧石器时代开始,人类学会了用火并掌握了石器的制作技巧。随着后续人类对于工具的发展和对于能源使用的突破,人类文明得以开启并壮大至今,工具的发展与我们整个文明的进程挂钩。而今的工具变得品类繁多和细分,今天要讲的是非常重要的芯片设计工具——EDA软件,随着人工智能和机器学习技术的发展,将会引来新的突破。这一切入点在于从RTL到GDS的全流程自动化,无须人工只通过机器学习来实现芯片的最佳PPA。
在近日Cadence召开的 Cerebrus?智能芯片设计工具发布会上,Cadence公司数字与签核事业部产品工程资深群总监刘淼先生对于EDA工具的人工智能化发展以及第一款完全基于机器学习引擎的EDA工具Cerebrus?的细节进行了精彩的分享。

芯片设计自动化发展历程——走向机器学习

EDA的全称叫Electronic design automation,从名称上就可以知道高度的自动化是其对于芯片设计的追求。据刘淼分享,60年代早期的芯片全部都需要人来手工画,都是完全定制的,采用完全自定义布局,这时只能做几十个几百个小的器件。后面等到芯片规模逐渐变大,一些常用的东西就被做成了标准单元库,通过原理如网表来实现,到这时已经可以做到几百个几千个器件。后面随着芯片复杂度的进一步提升,芯片上的功能要求 更多,性能要求更高,这时候 就出现了RTL综合语言。一个8位加法器手动去写,原理图要做到800~1000个小的器件,但是如果用RTL综合语言可能十几行就写完了,因此RTL综合语言的出现是芯片设计上非常大的进步。RTL综合之后EDA工具的下一个进步就是自动化布局与布线的出现。

从刘总的分享中我们不难发现,虽然芯片设计方法、EDA工具都在不断地推陈出新,但由于芯片的复杂度作为驱动其发展先决因素,所以工具的发展并不可能领先于芯片设计,尽管过去的几十年间芯片设计在自动化上取得了巨大进步,但芯片设计的过程仍然是高度手动化的,design-in之后的设计工作仍是趋于劳动密集型的。芯片的复杂化使得设计输入之后的可调整项高度复杂,每一个输入的调整又会进行产生更多可能。设计者需要不段地地来调整各种输入,直到达到他们想要的PPA目标,但其实这个PPA目标中也能也已经在一些指标上做出了妥协。从RTL到GDS的这一过程,其实可以看作是一个简单的类似于下国际象棋的宏放置问题,而这一过程,机器学习就可以发挥其巨大价值。

概率论式的增强型自学习实现完美芯片PPA

Cerebrus是Cadence的Intelligent System Design(智能系统设计)战略下的一款全新工具,主要面向数字芯片设计,通过机器学习的方式来实现RTL-to-GDS全流程自动优化,实现最完美的PPA输出。据刘淼介绍,Cerebrus的目标是实现生产效率曲线的一个优化,目前可以带来大概有10倍生产力提升和20%性能提升。Cerebrus包含了从RTL综合、到设计实现、到签核三个主要过程中的三个不同的工具,分别是Genus、Innovus和Tempus,每一个环节都有多个设计步骤 ,加起来一共有十多步。从一个采用5nm工艺、性能为3.5GHz的芯片设计的实例来看,采用Cerebrus可以将数名设计工程师数月的手动开发流程缩减到一名工程师10天的工作量。而且参考下图的数据,在性能、漏电功耗、总功耗和密度上均有显著改善。

另一个例子是在自动布线环节上,一个12nm工艺2GHz主频的CPU,在采用了Innovus的自动布局优化之后, 性能提升了200MHz,总失效时序改进了83%,漏电功耗降低了17%。

据刘淼分享,人工智能分为推理和训练两个流派,而Cerebrus采用的是概率论的方式,属于增强型的自学习。因此在实际芯片设计的运行过程中,并不需要把所有的可能都跑一遍,而是每一步都可以通过概率论找到一个最优解,让几千上万种可能实现快速地收敛,这样才计算的过程中,可以节省计算资源,提高整体的流程效率。在EDA领域不少软件都已经具备机器学习赋能,但Cadence在这一点上要领先于其他厂商。另外,对于PPA的最优解的追求,Cerebrus也支持设计者的定制化的输入。例如如果对于芯片性能有极致的要求,Cerebrus可以按照这个方向去做,然后得到更高性能表现的PPA结果。

###

目前Cerebrus已经获得了合作伙伴实践认可:瑞萨表示借助Cerebrus工具将设计性能提高了10%以上;三星代工厂使用Cerebrus进行自动布局规划电源分配网络选型,将最终设计时序提高50%以上。并且在一些最关键的模块上,之前需要人工数月实现的操作,在Cerebrus加持下仅仅几天 就可以将芯片功耗降低8%以上。刘淼表示,Cerebrus命名取自拉丁语的‘大脑’的意思,它是Cadence在EDA软件人工智能化方向一个重要成果。通过对于工作人员繁琐工作负担的释放,设计者可以专注于更有价值的更高层次的设计工作:“Cerebrus带来芯片设计生产力的性能革命创新,用我们的工具解放人,让人做更加有意义的事情。”
欲知详情,请下载word文档 下载文档
换一批
延伸阅读

中国上海,2021年10月20日——楷登电子(美国 Cadence 公司,NASDAQ:CDNS)今日宣布推出 Cadence? Safety Solution 安全方案。这是一款针对安全关键型应用的新产品,统一集成了模...

关键字: Cadence 汽车 半导体

Helium Virtual和Hybrid Studio实现虚拟及混合平台下的高性能硅前软件验证,助力5G、移动、汽车、超大规模计算及其它市场

关键字: 5G 楷登电子 Cadence

摘要:给出了采用0.35gmBCD工艺设计具有热滞回功能的过热保护电路的具体方法,并利用CadenceSpectre仿真工具对电路进行了仿真。结果表明:在5V的工作电压下,其过热温度点为155。6负向温度为100°C,在...

关键字: 低功耗 过热保护电路 热滞回 Spectre Cadence

新的 Tensilica AI 引擎提高了性能,AI 加速器为消费、移动、汽车和工业 AI 系统级芯片设计提供了一站式解决方案内容提要

关键字: 芯片 楷登电子 Cadence

2012 年7月25日,“2012英特尔杯大学生电子设计竞赛嵌入式系统专题邀请赛”在上海交通大学落下帷幕。作为中国大学生科技竞赛中最具有影响力的赛事之一,英特尔杯嵌入式设计大赛重在激发大学生的创新能力,培养大学生

关键字: sd dc 机器学习 大学生电子设计竞赛 DC SD
十年“芯”路,嵌入未来

2012 年7月25日,“2012英特尔杯大学生电子设计竞赛嵌入式系统专题邀请赛”在上海交通大学落下帷幕。作为中国大学生科技竞赛中最具有影响力的赛事之一,英特尔杯嵌入式设计大赛重在激发大学生的创新能力,培养大学生

关键字: sd dc 机器学习 大学生电子设计竞赛 DC SD

8月20日消息,微软亚洲研究院今日宣布推出新一代中文云输入法“英库拼音输入法”测试版(Engkoo® Pinyin IME Beta)。作为微软推出的第一款云输入法,“英库拼音输入法”融合了微软亚洲研究院...

关键字: 微软 机器学习 数据挖掘 解码算法

8月20日消息,微软亚洲研究院今日宣布推出新一代中文云输入法“英库拼音输入法”测试版(Engkoo® Pinyin IME Beta)。作为微软推出的第一款云输入法,“英库拼音输入法”融合了微软亚洲研究院...

关键字: 微软 机器学习 数据挖掘 解码算法

7月22日消息,据科技博客TechCrunch报道,数据科学家、机器学习专家Al-Sakran根据创业公司数据库CrunchBase的数据,统计了各个垂直领域的新兴公司在融资、IPO、被收购等方面的数据。其中,半导体行业...

关键字: 半导体行业 机器学习 se 半导体

刘岩轩

221 篇文章

关注

发布文章

编辑精选

技术子站

##########
      <blockquote id='IPljU'><nobr></nobr></blockquote><xmp id='mHWgg'><strong></strong></xmp>
      <i></i>
      <base id='pZn'><ins></ins></base><nobr id='TYnEaG'><nobr></nobr></nobr>
        <center id='ifEhqe'><strike></strike></center><dfn id='Ucs'><base></base></dfn>
        <thead id='rD'><del></del></thead>
        <code id='guyhdNSH'><acronym></acronym></code><l id='kDFmwGH'><q></q></l>
          <u id='HODvfl'><i></i></u>
          <sup></sup>
            <caption id='Urwupgnx'><acronym></acronym></caption><abbr id='axnEa'><option></option></abbr>