تتيح المنصة الجديدة للمهندسين الحصول على ‘معلومات استخباراتية قابلة للتنفيذ’ من كميات هائلة من تصميم الرقائق وبيانات التحقق ، مما يفتح الباب أمام جيل من أدوات التصميم والتحقق القائمة على الذكاء الاصطناعي لتحسين الإنتاجية.
أطلقت Cadence Design Systems نظامًا أساسيًا للبيانات يسحب كميات كبيرة من البيانات التي يتم جمعها بواسطة أدوات EDA ، ويستخدم هذا لتمكين مجموعة من تطبيقات التحقق التي تعتمد على الذكاء الاصطناعي والتي تهدف إلى تعزيز التغطية وتسريع تحليل السبب الجذري لأخطاء التصميم على معقدة أنظمة على الرقاقة (SoCs).
تتيح المنصة الجديدة المشتركة لبيانات المؤسسة والذكاء الاصطناعي (JedAI) للمهندسين الحصول على ‘معلومات استخباراتية قابلة للتنفيذ’ من كميات هائلة من تصميم الشرائح وبيانات التحقق ، مما يفتح الباب أمام جيل من أدوات التصميم والتحقق التي تعتمد على الذكاء الاصطناعي والتي ستساعد في تحسين الإنتاجية والطاقة والأداء والمنطقة (PPA).
قال Cadence أن هذا سيؤدي إلى تحول في الأجيال من خوارزميات التشغيل الفردي ذات المحرك الواحد في EDA إلى الخوارزميات التي تستفيد من البيانات الضخمة والذكاء الاصطناعي لتحسين عمليات التشغيل المتعددة لمحركات متعددة عبر تصميم وتدفق التحقق بالكامل من SoC.
بناءً على منصة JedAI هذه ، أعلنت الشركة أيضًا عن منصة التحقق Cadence Verisium ، وهي مجموعة من التطبيقات التي تستخدم قدرة تحليلات البيانات الكبيرة لـ JedAI لتحسين أعباء عمل التحقق ، والتي تتكامل أصلاً مع محركات التحقق من الإيقاع. من خلال نشر Verisium ، يتم تجميع جميع بيانات التحقق ، بما في ذلك أشكال الموجة والتغطية والتقارير وملفات السجل معًا في JedAI.
يتم إنشاء نماذج التعلم الآلي (ML) ويتم استخراج مقاييس الملكية الأخرى من هذه البيانات لتمكين التحسين الهائل في إنتاجية التحقق.
قال Cadence أن منصة JedAI قادرة على توحيد ابتكاراتها البرمجية الحاسوبية في البيانات والذكاء الاصطناعي عبر التحقق من Verisium لتطبيق Cadence’s Cerebrus Intelligent Chip Explorer وتحليل نظام Optimality Intelligent System Explorer.
أتمتة تحليلات البيانات من أدوات EDA
في معرض شرحه لأهمية المنصات الجديدة في حدث الإطلاق في ميونيخ بألمانيا ، أشاد Moshik Rubin ، مدير التسويق في Cadence ، بمنصة البيانات الجديدة التي تعتمد على الذكاء الاصطناعي ومجموعة التحقق التابعة للشركة باعتبارها ظهور EDA 2.0.
وقال إن SoCs تزداد حجمًا وتعقيدًا بشكل متزايد ، حيث تدمج المئات من IP. مع تغير كل من كتل IP هذه باستمرار أثناء تطورها وتحسينها ، يصبح من الصعب ربط النتائج المختلفة وإخفاقات الاختبار يدويًا. قد يتطلب تحديد السبب الجذري للفشل عشرات المهندسين وعدة أسابيع.
هذا هو المكان الذي يمكن أن تساعد فيه أتمتة تحليلات البيانات من خلال نظام أساسي يعتمد على الذكاء الاصطناعي في تقليل وقت التحقق وتصحيح الأخطاء ، وكذلك تقليل عدد المهندسين المطلوبين.
تهدف منصة Cadence JedAI إلى تسهيل إدارة تعقيدات التصميم المرتبطة بالمستهلكين والحوسبة فائقة النطاقات واتصالات الجيل الخامس وتطبيقات السيارات والأجهزة المحمولة.
يمكن للعملاء الذين يستخدمون برامج تنفيذ وتحقق وتحليل Cadence التناظرية / الرقمية / ثنائي الفينيل متعدد الكلور – وحتى تطبيقات الطرف الثالث – استخدام منصة JedAI لتوحيد وتحليل جميع بياناتهم الضخمة.
النظام الأساسي ممكّن على السحابة ، ويوفر موارد حوسبة قابلة للتطوير في بيئة تصميم آمنة من مزودي السحابة الرائدين.
قال بات مورهيد ، الرئيس التنفيذي والمؤسس وكبير المحللين في Moor Insights & Strategy ، ‘لتمكين صناعة أشباه الموصلات من الاستمرار في مسار نموها القوي ، من الأهمية بمكان أن تصبح عملية تصميم الشرائح أكثر كفاءة لمواكبة متطلبات السوق.
يؤدي تحسين عمليات التصميم من خلال الذكاء الاصطناعي وتحليلات البيانات الضخمة إلى تحقيق فائدة واضحة للفرق الهندسية التي يمكنها الآن استخلاص المعارف الأساسية من الكميات الهائلة من بيانات EDA في متناول أيديهم.
تم تصميم منصة Cadence JedAI الجديدة لتزويد المستخدمين برؤى تصميم آلية وذكية والقدرة على توسيع نطاق إنتاجية الفريق الهندسي بشكل كبير ‘.
وأضاف فينكات ثانفانتري ، نائب الرئيس للبحث والتطوير في مجال الذكاء الاصطناعي في شركة Cadence ، ‘في السابق ، رأينا أنه بمجرد اكتمال مشروع تصميم الرقاقة ، تم حذف البيانات القيمة لإفساح المجال للمشروع التالي.
هناك معلومات قيمة في البيانات القديمة ، وتسهّل منصة Cadence JedAI على الفرق الهندسية الوصول إلى هذه الدروس وتطبيقها على التصاميم المستقبلية لتقديم إنتاجية هندسية مثلى و PPA وفي النهاية نتائج منتجات عالية الجودة يمكن التنبؤ بها ‘.
وفقًا لروبن ، أصبح التحقق جزءًا كبيرًا من دورة التصميم. نظرًا لاستمرار تعقيد SoC في الارتفاع ، أصبح التحقق مسارًا حاسمًا لوقت وصول النظام إلى السوق ، وغالبًا ما يستهلك موارد حسابية وبشرية أكثر بكثير من أي مهمة أخرى لهندسة السيليكون.
أخبر موقع embedded.com أن هذا هو سبب تركيز Cadence على التصحيح كأول تطبيق لمنصة JedAI. قال ، ‘تصحيح الأخطاء هو حالة الاستخدام حيث كان العائد على الاستثمار هو الأعلى.
كان التحدي الرئيسي هو العثور على مجموعات البيانات الصحيحة ‘. وقال أيضًا إنه مع النقص في مهندسي التحقق ، فإن منصة Verisium ذات القدرة التحليلية القائمة على الذكاء الاصطناعي تساعد بشكل فعال في تخفيف المشكلة من خلال توفير ‘مهندسي الروبوت’.
أضاف. ‘سيؤدي هذا إلى نقلة نوعية في الطريقة التي سيعمل بها مهندسو التحقق.’
أصدرت Cadence عددًا من موافقات العملاء عند الإطلاق من MediaTek و Samsung Electronics و STMicroelectronics و Sony. قال S. Brian Choi ، نائب رئيس شركة Samsung Electronics ، ‘مع استمرار تعقيد شركة SoC في النمو ، أصبح التحقق على مستوى SoC خطوة تحد من المعدل في جداول شرائط التسجيل لدينا. نرى فرصة رائعة للاستفادة من الذكاء الاصطناعي والبيانات الضخمة لتحسين إنتاجية التصميم والتحقق بشكل كبير.
نحن نعمل عن كثب مع Cadence لنشر منصة Verisium على تصميمات SoC المحمولة الخاصة بنا ونشهد بالفعل نتائج مبهرة لفرز أخطاء السبب الجذري تلقائيًا ‘.
وفي الوقت نفسه ، قالت Mirella Negro Marcigaglia ، مديرة التحقق الرقمي STM32 في STMicroelectronics ، ‘استمر التحقق الوظيفي ليكون مصدر قلق كبير لمعالجة التعقيد المتزايد بسرعة لتصميمات IP و SoC في وحدات التحكم الدقيقة STM32.
تُعد منصة التحقق الوظيفية القائمة على البيانات والتطبيقات من Cadence التي تستفيد من تقنية الذكاء الاصطناعي نهجًا واعدًا للغاية لاحتواء هذه المشكلة. لقد لاحظنا بالفعل زيادة كبيرة في إنتاجية التحقق الوظيفي ، والاستفادة من Verisium AutoTriage و SemanticDiff و WaveMiner.
باستخدام تطبيقات Verisium ومنصة Cadence JedAI ، نهدف إلى تحقيق تحسن كبير في الإنتاجية بسرعة في فرز وتوطين الأخطاء على تصميمات IP و SoC الخاصة بنا. ‘
تطبيقات Verisium
المجموعة الأولية من التطبيقات المتاحة في منصة Verisium:
Verisium AutoTriage: يقوم ببناء نماذج ML التي تساعد على أتمتة المهمة المتكررة لفرز فشل الانحدار من خلال التنبؤ بفشل الاختبار وتصنيفه مع الأسباب الجذرية الشائعة.
Verisium SemanticDiff: يوفر حلاً خوارزميًا لمقارنة مراجعات كود المصدر المتعددة لعنوان IP أو SoC ، وتصنيف هذه المراجعات وترتيب التحديثات الأكثر تعكيرًا في سلوك النظام للمساعدة في تحديد النقاط الساخنة للأخطاء المحتملة.
Verisium WaveMiner: يطبق محركات الذكاء الاصطناعي لتحليل أشكال الموجة من عدة أشواط وتحديد الإشارات ، وفي أي الأوقات ، من المرجح أن تمثل السبب الجذري لفشل الاختبار.
Verisium PinDown: يتكامل مع منصة Cadence JedAI وأنظمة التحكم في المراجعة القياسية في الصناعة لبناء نماذج ML لتغييرات كود المصدر وتقارير الاختبار وملفات السجل للتنبؤ بأي عمليات التحقق من كود المصدر التي من المرجح أن تسبب فشلًا.
Verisium Debug: يقدم حلاً شاملاً لتصحيح الأخطاء من IP إلى SoC ومن التشغيل الفردي إلى التشغيل المتعدد ، مع تدفقات تصحيح الأخطاء التفاعلية وما بعد المعالجة بسرعة مع الشكل الموجي والتخطيطي وتتبع السائق وتقنيات SmartLog.
تم دمج Verisium Debug أصلاً مع منصة Cadence JedAI وتطبيقات Verisium الأخرى لتمكين تحليل السبب الجذري المستند إلى الذكاء الاصطناعي مع دعم المقارنة التلقائية المتزامنة لاختبارات النجاح والفشل.
مدير Verisium: يجلب حل إدارة التحقق من IP و SoC على مستوى التدفق الكامل من Cadence مع تخطيط التحقق وجدولة الوظائف والتغطية متعددة المحركات محليًا على منصة Cadence JedAI ويمدها لدعم الاختبارات التي تعتمد على الذكاء الاصطناعي لتحسين كفاءة المزرعة الحسابية.
يتكامل Verisium Manager أيضًا بشكل مباشر مع تطبيقات Verisium الأخرى ، مما يتيح النشر التفاعلي بضغطة زر لمنصة Verisium الكاملة من وحدة تحكم إدارة موحدة قائمة على المستعرض.
تعد منصة التحقق من Verisium جزءًا من التدفق الكامل للتحقق من الإيقاع ، والذي يتضمن محاكاة Palladium Z2 ونماذج Protium X2 ومحاكاة Xcelium ومنصة التحقق الرسمية Jasper و Helium ™ Virtual و Hybrid Studio.
