云上的物理验证

Synopsys Editorial Staff

Mar 01, 2020 / 1 min read

得益于云技术近年来的快速发展,云端数据处理能力已然成为许多行业的主流商业工具。

然而在我们自己的集成电路设计或EDA行业,很多公司一直在旁观云计算的发展趋势。我们一度非常谨慎,并没有像其他行业那样广泛地使用云,直到今年……那么是造成了这一变化?是什么促使设计公司和 EDA 工具供应商开始重视基于云的解决方案?

芯片设计的规模和复杂程度逐年增长,在当下以数据为中心的世界,芯片需要处理大量计算。新的需求不断涌现,比如增加更多计算能力和新功能,这迫使芯片设计人员在短时间内实现前沿的工艺技术。

这对物理验证的闭合提出了巨大的挑战,特别是当工艺技术发展到 7 纳米、5 纳米及以下时,物理验证是一项尤为计算密集型任务。一个典型的 7 纳米设计规则检查文件可能有多达 10,000 个复杂的规则,实现这些规则需要大约 10 万次 DRC 计算操作。7 纳米的全芯片 DRC 检测可能需要几天才能完成一次迭代。

云上的物理验证

因此,云计算是一种很有前途的方法,可以用来解决物理验证的运行时难题。

下一个问题——为什么是现在?

几年前,使用云计算看起来很可怕。半导体公司对他们在云计算方面的设计有着种种担忧——数据安全、网络延迟、生态系统支持等等。而今,云解决方案能被坦诚地接纳。在其他相关领域普遍实现“上云”之后,我们能够更加自信地在云端运行IC设计。此外,生态系统的各个阶段都在收敛。一些 EDA 工具,如新思科技的 IC Validator,已经发展成为完全的云就绪解决方案。台积电最近推出了“开放创新平台虚拟设计环境”(OIP VDE) 的云设计平台,支持台积电客户在云中安全地开发芯片设计环境。我今年在和几位客户讨论他们的物理验证运行时问题时,他们中的大多数人都渴望在云中部署自己的物理验证工作。如果使用云计算资源(有时会采用多达 1000 个以上的 CPU)只需几小时,而不是好几天,就能完成全芯片 DRC 签核,他们就不会再犹豫。

物理验证是几个最适合云的芯片设计步骤之一。设计规则检查文件内部的命令分布在多个并行作业中,这些作业在不同的 CPU 内核上独立运行。IC Validator 的大规模并行分布式处理引擎充分利用了云的灵活性和弹性。

机器学习与云计算相结合

展望未来,这一领域有哪些令人兴奋的新机遇?

机器学习与云计算相结合,有可能为芯片设计带来巨大的价值。对于任何机器学习应用,构建一个大型数据集来训练模型,对于提高模型的预测能力都至关重要。EDA 中的机器学习开始获得关注,而缺乏数据集是一个重要关注点。云为我们提供了一个正确收集数据的机会,即只聚合运行产生的相关数据,而不泄露专有的设计信息。还可以对数据集进行分组,以针对不同的部门(例如,所有设计人员、特定晶圆代工厂的客户或同一公司内的设计人员)定制不同的方法。云设计的另一个优点是远程调试;TSMC 的 VDE 等云设计平台使 EDA 工具供应商能够远程、快速地调试客户问题。

现在是 IC 设计和 EDA 完全采用云计算的时候了吗? 答案当然是肯定的!持续的创新无疑会使云计算在未来几年成为 IC 设计的前沿领域。

Continue Reading