EDA设计和分析工具处理的数据输出必须在API级别上标准化。
作者:Rajeev Jain, Kerim Kalafala, Ramond Rodriguez
重大的技术颠覆即将到来，这将为EDA工具供应商和半导体公司带来巨大的效率提升。这些颠覆包括人工智能和机器学习的应用，以增强供应商工具，优化用户设计流程和方法，以及随后将EDA工具迁移到云端。随着越来越复杂的分析能力的出现(例如，使用统计静态时间分析来覆盖指数数量的流程角落进行验证)，IC设计实现生命周期中生成的处理数据的数量和速度远远超过了我们现有系统在AI/ML中实现高效协作的能力，以及EDA工具迁移到云端的能力。
展望未来，需要更有效地实现设计流程和共同优化设计技术，EDA设计和分析工具处理的数据输出必须在API级别标准化——就像设计数据输入已经标准化一样。这将创造显著的互操作性和成本效益，可与Cadence为硅集成计划(Si2)贡献的标准、OpenAccess API和参考代码相媲美。在可行的情况下，用智能自动化系统增强和取代人在回路的设计和分析，将保存和扩展我们老化的设计社区的集体知识，并加快更快的学习和智能解决方案的开发。然而，互操作性的缺乏威胁着这一愿景的实现，如果AI和ML所承诺的效率收益被集成成本、互操作性的缺乏以及在处理过的EDA工具数据和AI引擎之间的文件和格式转换所浪费的时间所掩盖，整个行业将受到影响。
对处理过的数据的标准化访问对于阻止这种新的低效率浪潮至关重要，最好通过一个新的、开放的、安全的API来实现。为了未来的安全操作，这个API应该是云感知的，支持云应用程序之间以及云和用户托管应用程序之间的通信。API还必须具有足够的智能，以提供安全的、实时的翻译，以及安全的、可定制的对专有数据的访问。这要求，根据请求参与者的身份和预期用途，私有数据从开始到存储和最终使用，都可以通过混淆、规范化和量化来自动保护。
为了进一步支持这一创新，应该通过开发RESTful API扩展来扩展OpenAccess数据库，以便在云环境中使用。这将使基于openaccess的应用程序能够直接将选择的设计数据提供给其他应用程序，包括ML特征存储。
图1显示了不久的将来混合云基础设施的早期愿景，它封装了云和用户托管工具的特性。在这种环境中，EDA工具和高级引擎可以从其他工具、引擎、OpenAccess和处理过的数据数据库请求数据。基于云的工具依赖于公共设计数据并提供标准格式的处理数据，将同时使用OpenAccess API和安全的处理数据API进行数据交换。
图1:不久的未来混合云基础设施愿景。
通过提供所设想的基础设施的一个支持部分，可以实现近期的、实质性的生产力改进。由于当前和未来环境中AI和ML的实现(训练和推断)将需要访问大量结构化和适当标记的数据集，如果这些数据通过EDA工具提供处理(输出)数据，通过安全、标准的API进入处理数据数据库，则将实现效率提高。图2说明了这个概念。
图2:安全的处理数据API。
油气行业正在开发人工智能方法，以解决现有的启发式方法无法随着PVT角和设计复杂性的指数级增长而扩展的问题。EDA处理数据的开放api的缺乏已经阻碍了这些方法的部署，导致了次优设计和消费者更高成本的产品。随着AI/ML渗透到半导体设计流程中，这些影响只会扩大，这表明缺乏开放api可能是AI方法广泛部署的主要障碍。成立一个安全的、经过处理的数据API工作组Si2是迈向合作解决方案的第一步。
Rajeev Jain是高通公司的高级技术总监。
Kerim Kalafala是IBM的高级技术人员。
Ramond Rodriguez是英特尔公司战略CAD能力高级总监。
|
|
|
|
|
|
|
|
|
留下回复