等价性检查提供了一种强大的方法验证最复杂的人工智能datapath公司,即使是在非常不同的抽象级别。
在流行的用法中,术语“人工智能(AI)一旦邪恶的机器人军队征服人类或者电脑超越他们的用户,如“2001:太空漫游。“近年来,人工智能已经成为日常生活的一部分的地球的人口。人们使用语音命令与他们的智能手机,智能音箱,甚至电视遥控器。复杂的图像处理的背后是无数的传感器和许多安全应用程序的核心。自主车辆依靠一系列的人工智能技术来了解他们的环境,使驾驶决策。甚至非自治车辆等智能特性自适应速度控制和车道偏离警告系统。
在幕后,基于ai设备使用机器学习(ML)和深度(DL)来改善他们的学习识别和决策能力。这些强大的技术并不便宜。他们需要一个丰富的组合在高度复杂的嵌入式系统的硬件和软件。有一个很大的数学参与人工智能。这包括所有传统的算术和逻辑功能,浮点操作和数字信号处理(DSP)算法。这些都是延长新理想的自然语言和图像处理技术,包括卷积神经网络(cnn)。决策所需的速度和对现实世界的情况意味着人工智能计算的关键部分必须在硬件完成。
当前一代的芯片AI / ML / DL应用程序包含复杂datapath公司执行所需的数学分析。例如,最近的格言宣布MAX78000 SoC (SoC),包含一个CNN加速器和64并行处理器能够每秒运算300亿次。阿里巴巴的AI推理芯片,本厂800年,每秒能处理近8万个图像。谷歌的张量处理单元(TPU机器学习芯片现在权力许多最受欢迎的特性,包括文本和图像搜索,语言翻译和语音识别。有许多其他的例子可以在今天的行业。公司希望开发自己的人工智能芯片,Synopsys对此这样的公司提供强大的IP积木等DesignWare图书馆Datapath公司知识产权。
鉴于数学运算的重要性在人工智能应用程序和所需的复杂的datapath公司执行这些操作,彻底的验证是至关重要的。简单的数学表明力竭运动的所有可能的数据值是不可能的模拟、仿真、甚至硬件原型。考虑一个乘法器和两个32位的输入,264年可能的输入组合。即使验证流程可以执行和检查每秒一百万乘法,需要近60万CPU-years覆盖所有值。这只是一个乘数;AI datapath公司有许多算术元素并行运行。很明显,需要一种更好的方法。
当需要详尽的验证,但是迭代方法是不切实际的,正式的方法应该被考虑。形式验证使用数学分析来考虑整个硬件设计。传统形式的正式验证模型检查,验证的设计对一组断言指定目的的行为。分析试图提供设计满足断言或为任何不匹配生成反例。这种方法很有效控制逻辑,甚至小datapath公司的元素。然而,人工智能IP或芯片的规模和复杂性意味着它不能完全证明了模型检测。
形式验证的其他主要形式是等价性检查,两个表示的设计进行了比较。分析试图证明等价或展示设计不同的地方。等价性检查通常用于检查寄存器传输级(RTL)输入对门电路级网表由逻辑综合。如果状态元素(记忆和人字拖)是相同的两个代表,然后比较只涉及组合逻辑相对简单。如果国家元素不同,例如,如果合成过程逻辑寄存器之间移动,然后连续的等价性检查是必需的。这种方法比较两种设计的输出表示不管状态元素的数量。
等价性检查提供了一种强大的方法验证最复杂的人工智能datapath公司。正式有足够强大的引擎,两个表示可以在截然不同的抽象层次,甚至用不同语言编写的。例如,详细的RTL实现可以比作一个高级C / c++架构模型。内部细节无关;比较证实,同一组表示的输入产生相同的输出。这种方法是一种天然的适合许多人工智能项目,因为他们已经有了C / c++模型可用于检查结果在模拟或作为一个虚拟的平台来支持早期的软件开发和测试。
Synopsys对此VC正式Datapath公司验证赫克托耳(第一项)应用程序使用的技术是一个事务性的等价性检查和验证复杂的人工智能Datapath公司的权力,包括DSP引擎,浮点单元(型),图形处理单元(gpu)和cnn。报告任何差异的结果RTL和C / c++模型的诊断Synopsys对此威尔第SoC调试平台,证明了等价一旦所有分歧已经得到解决。第一项应用程序已被成功地用于许多尖端芯片开发团队。工程师们从三星、英特尔、AMD、英伟达、高通、想象技术和新兴AI /毫升芯片公司使用了第一项应用并提交会议论文和经验总结的结果。
等价性检查流AI datapath公司
今天的AI / ML / DL设计math-intensive,复杂datapath公司挤满了强大的运算引擎。应用程序的临界支持需要充分验证的设计;没有人希望他们的无人驾驶汽车与障碍物相撞错过的图像识别分析。正式的等价性检查是唯一的技术,可以提供详尽的验证datapath公司设计可靠的参考模型。Synopsys对此VC正式第一项应用历史悠久的成功部署要求最高的人工智能芯片项目。Synopsys对此的DesignWare弧EV处理器对于嵌入式视觉也使用这种技术的验证。更多关于用户的信息和更多的技术细节Synopsys对此流可以在之前的博客中找到帖子。一个网络研讨会的演示验证流也可以。
|
|
|
|
|
|
|
|
留下一个回复