如何加快代LVF . lib来处理更多的PVT的角落。
先进的流程节点、自由或库(lib)需求要求更多是由于设计复杂性,增加时间验收所需数量的角落,和统计变化建模的必要性。这将导致增加大小,复杂性和lib特征的数量。确认和验证这些复杂和大型. lib文件是一项具有挑战性的任务和对成功的关闭时间,甚至构成了重大威胁硅失败如果lib错误不及时检测并固定。
本白皮书描述使用机器学习(ML)技术在西门子EDA Solido表征套件,它加速了生产质量lib表征和验证先进技术节点。这些毫升技术解决一些根本的挑战与现代技术的要求lib要求节点及其验证。
ML-enabled . lib生产与Solido发生器和Solido分析和验证
Solido表征套件使用production-proven毫升技术加快图书馆表征和验证标准的细胞,记忆和自定义模块。的两个主要组件套件是Solido生成器和Solido分析。
Solido发生器使用毫升方法加速整个库表征过程后,立即生成库额外PVT角落最初的表征。Solido发生器使用现有SPICE-characterized库作为锚数据构建毫升模型库和产生新的PVT的库。
之前生成额外的PVT, Solido发电机分析了锚角落设置为确定库所需的优化设置额外的PVT的一代。自工具使用一组pre-characterized . lib,它消除了依赖香料网表或子电路需要复制特性设置匹配的供应商库。Solido发电机运行100倍速度比传统的香料。
ML-enabled方法Solido发电机给用户“两全其美”生成production-accurate LVF . lib相比,运行时的一小部分额外的PVT角落强力蒙特卡罗或近似蒙特卡罗方法,同时保留精度相当于其输入锚. lib。Solido分析是一种先进的图书馆验证、分析和调试解决方案,不仅包括快速、并行、和综合静态规则检查,还雇佣了一个毫升孤立点检测的工具,“学习”的预期特征值在图书馆和自动检测错误异常值或non-monotonic行为特征数据与其他工具,通常未被发现。
点击阅读更多在这里。
|
|
|
|
|
|
|
|
留下一个回复