EDA怎么实现并行化

EDA/IC设计

1045人已加入

描述

EDA(Electronic Design Automation电子设计自动化)之所以存在,是因为半导体公司觉得开发和维护工具的成本太昂贵,不过如果EDA想要继续好好生存下去,就得努力成为创新周期的一部分了。

为什么机器学习(machine learning)想要在EDA中产生影响仍然需要很长时间?与该领域的专家交谈时,了解到一个事实,硬件设计与机器学习应用有非常大的不同。Brian Bailey, 作为一位超过35年工作经验的EDA工具开发人员告诉我们,如今EDA公司面临的一个巨大挑战仍然是要去加速仿真。许多公司已经在该领域投入了大量资金,带给用户和投资者的却往往是令人失望的结果。其中的问题在于设计中的随机性活动。

Brian Bailey曾经参与到第一个RTL仿真器 – Hilo的开发。作为一名年轻的大学毕业生,他的一项任务是将Hilo移植到当时所存在的大量计算机结构中。大型主机,小型计算机,早期的CDA工作站,他们使用的处理器和操作系统都是不同的。移植的第一步会涉及到发送给制造商的调查问卷,根据调查问卷里的答案,可以知道怎样写源代码可以使移植更容易一些,同时也会知道这样的移植大概会表现得怎么样。Hilo通常会成为缓存结构来处理大量内存的随机访问。

随机(Random)是一个关键词。Brian Bailey经常会去想,仿真器的数据结构是什么时候建立的,内存是否可以更像交通流量一样在设计中被组织起来。他认为这是值得去努力的,有人会做到这一点。

但并非所有EDA中的数据都是非结构化的。跟踪数据(trace data)是功能验证和调试所必需的,它是非常结构化的。之所以这么说,是因为它基于时间,很多都是规则的。事实上,在Brian Bailey开始去构建现在被称为机器学习系统的近30年之后,他才有了一个想法,可以在多次运行中查看大量的跟踪数据,并查找测试向量和测试向量中的异常情况。虽然如今的系统获得了一定的成功,但它们在处理过程中的功耗实在是太大了,在以前他们仅限于用在单处理器结构上可能并不觉得。

EDA一直在寻找方法,希望可以完全捕捉到并行的处理过程,进展却很缓慢。很大程度是因为随机化的问题,Brain Bailey认为还有一个很重要的原因是EDA的生存空间正在被压缩。Mentor的CEO,Wally Rhines,在很多贸易展会上也提到过,EDA在半导体销售额中的比例一直比较稳定,但如今的EDA公司需要将没有增加的钱投资到比以前更多的领域,每一项新技术的开发对EDA公司而言都是巨大的投资。此外,EDA公司还在追求一些方面,比如在抽象级上的提升,去涵盖更大的系统视图,以及一些必要的容量增加。

想要实现并行化(Parallelization)通常是很难的。ANSYS公司的Preeti Gupta这样给我们解释,如果去做字典搜索(dictionary search),想要在字典中找到Brian这个名字,可以将字典分成500个部分,将它们分别发放到500个不同的机器中,将获得的500个答案汇总到一起看。这样做是很盲目没有准确性的,因为你得到的每一个答案都跟其他的答案是无关的。当我们考虑EDA的问题时,却往往环环相扣,任何一环的输出都会影响另一环的输入。这里就出现我们最大的挑战了,如何将这种高度关联的问题进行空间并行化。

Brian Bailey也认为这是一个非常大的挑战,不过已经有很多数据表明,可以用机器学习和大数据去解决这个问题。通过行业标准工具可以使用的形式,提供对所有数据的访问,这也意味着会将权利交给用户,这会令EDA公司感到有些恐惧,因为他们会失去一定程度的控制权。更有可能发生的情况是,用户开始这样去做了,却发现跟以前一样,对他们自己而言这样的投资是不合算的,他们会要求EDA公司去接管他们的工作并将其商业化。

这其实是一个循环,但它有一个前提是,让用户能够自己寻找新的解决方案。EDA公司必须公开他们的数据并且相信他们的客户,这样半导体公司也可以成为EDA创新周期的一部分了。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 相关推荐
  • e

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分