91吃瓜网

目录

定义

设计空间优化 (DSO) 是一种用于搜索大型设计空间的新方法,由机器学习的最新进展提供支持。在传统的设计空间探索 (DSE) 中,工程师必须手动扫描非常大的问题空间来获得设计解决方案。DSO 与之"明显不同,它是一种创成式优化模式,采用强化学习 (RL) 技术自主搜索设计空间,以寻找理想解决方案。


芯片设计:巨大的搜索空间

如今,人工智能 (AI) 能够通过自然语言与人类互动,识别银行欺诈行为并保护计算机网络,在城市街道上驾驶汽车,还能玩象棋和围棋之"类的智力游戏。芯片设计也是一个蕴藏着潜在解决方案的巨大求解空间,其规模比围棋游戏大数万亿倍。

芯片设计工作流程 | 新思科技

芯片设计工作流程通常会消耗并生成数 TB 的高维数据,这些数据通常在众多单独优化的孤岛上进行区分和分段。此类数据可能包括:

  • 设计输入:RTL 模型、电源活动、网表、版图规划、层次选择
  • 技术输入: 器件和电路特性、寄生模型、可制造性设计 (DFM) 模型、金属堆栈、设计规则
  • 库输入:&苍产蝉辫;单元架构、单元原理图、时序/功耗属性、物理特性
  • 工具输入:&苍产蝉辫;设计流程、测试矢量、分层分区、启发式设置

传统设计空间探索:人工流程

在如此巨大的空间进行搜索是一项非常费力的工作,即便在以往经验和系统知识的指导下,也仍需要数周的实验时间。

为了创建理想设计方案,工程师必须快速获取大量的数据,并在分析不全面的情况下,就做出复杂的决策,这通常会导致决策疲劳和过度的设计约束。这种人工迭代设计空间探索 (DSE)&苍产蝉辫;流程已将问题进行分区,以便管理其复杂性。因此,设计工作流程中对选择进行的探索会严重受限,此外,由于需要不断做出大量微小的决策,设计师的工作效率也会受到极大影响。

在当今竞争异常激烈的市场和严格的芯片制造要求下,合格方案和理想方案之"间的差异可能意味着数百 MHz 性能、数小时电池寿命以及数百万美元设计成本的差距。

机器学习 — 无所不在!

如何启用自优化设计平台,以获得更好的端到端结果。

下载白皮书


顿厂翱:自主搜索并优化设计空间

DSO 可大规模扩展对芯片设计流程中各选项的探索, 同时 自动执行大量次要决策。

DSO Agent 分析设计工具生成的大量数据流,并据此做出优化决策,观察设计随时间的演变情况,同时调整设计选择、技术参数和工作流程,以指导探索过程向多维优化的目标发展。可大规模执行探索,由 RL 驱动的决策引擎可自主运行成千上万的探索矢量,并实时获取千兆字节的高速设计分析数据。

设计空间优化 | 新思科技

作为 AI 驱动的流程优化的关键特征,DSO 可以自动执行次要决策,如调整仿真引擎设置或编排实验,从而减轻设计人员需要承担的琐碎任务,使整个团队能够以超高水平进行运作。一旦 DSO 系统在给定的设计工作流程中构建出模型,各个项目和设计团队之"间就可以高效分享和运用相关知识。

AI 级 DSO 自动化为半导体行业开启了新的增长轨迹,使公司能够构建新产物和收获新市场,使设计团队获得成长并实现未来创新。

继续阅读

解决方案
Synopsys DSO.ai?

世界首个用于芯片设计的自主 AI 应用。

相关术语
什么是 AI 加速器?

了解更多有关 AI 加速器的信息,包括其工作原理及其益处。

相关术语
什么是 Glitch Power?

了解更多对于 Glitch Power 的信息,包括其工作原理及其益处。