挑战在EDA生长数据管理和共享

半导体工程坐下来讨论EDA数据更为开放,增加了复杂性如何影响时间工作硅,和地缘政治的影响,与约瑟夫•Sawicki IC EDA执行副总裁西门子数字行业软件;约翰Kibarian,总裁兼首席执行官PDF的解决方案;总经理和副总统约翰•李Ansys的半导体业务单元;副总裁兼总经理尼尔斯Fache PathWave软件解决方案Keysight;总裁兼首席执行官迪恩Drako IC管理;前首席执行官西蒙•雪茄烟手臂沃达丰(Vodafone)和董事会董事;普拉卡什Narain,总裁兼首席执行官真正的意图。这是最后的三个部分的对话,在现场观众面前举行ESD联盟年会。本文的第一部分在这里。第二部分是在这里。

在验证SE:我们取得进展,特别是芯片变得更复杂吗?它仍然是70%到75%的时间设计出了门。

Narain:绝对是越来越好。我的客户投诉,我们不管需要翻倍翻了一倍,但我们必须跑得更快呆在同一个地方。的一切都提高。但是我们有各种不同的组件和经济学一起运行在同一时间。

Fache我同意这是越来越好,但是还有很多需要改进的地方。有很多活动在设计、仿真、虚拟样机,验证和测试,但这些领域仍然没有很好的连接。有机会验证工作流从设计和测试。所以你收集仿真数据和查看相关,你学习比较。然后改进设计和使它正确。但是有70%的时间花在很多手动步骤使用国产工具,我们有机会自动从数据存储过程。所以自动收集数据,标记和存储,所以你可以得到正确的分析,正确的见解,你可以更新设计,然后希望得到第二次。

SE:一个向前的方式一直是更多更好的模型。我们可以建立这些模型以同样的速度和水平的完整性就像过去一样,考虑到我们现在有缺口流?

李:如果你与chiplets看我们所做的,你需要一个热模型当你开始堆积死。有一些明显的技术,但是有很多富裕的机会将严谨的数学技术应用到降维模型。良好的模型。这是加倍的复杂性的挑战继续提供丰富从研发的角度看。但是我觉得我们所有的数学工具。如果你把一些AI / ML,它帮助我们弥补缺口。

Fache:一个很好的例子就是Synopsys对此,Ansys,和Keysight正在共同努力,把最好的工具带进一个集成流,然后对测量验证。我们有证据指出,如果我们一起把正确的工具,我们可以将它们集成到一个流和预测模拟。

李:重要的是要注意,我们今天讨论的所有问题不可能通过一个方法来解决。解决这些问题,需要一个村庄,从设计到制造。这个想法的开放和可扩展的平台是一种建模。如果你有模拟作为一种服务,你需要知道这的温度,你需要知道一些关于磁学。它不能一个封闭的系统。你需要一个系统,可以与其他系统。你可以谈论参考流,但是系统相互交谈是未来。我们必须拥抱开放。然后我们可以解决更多的问题。

SE:有东西移动的流量比以往任何时候都更。在设计方面的影响是什么?

Sawicki:这是困难,可以肯定的是,任何时候你承担这些新东西。通常发生爆炸,产生一套新的规则,一套新的能力,希望确保不炸掉工厂——这是痛苦的。但芯片死在一个工厂,你要做一个re-spin,这是六个月你的营销。有问题发生,因为你必须带来更多铸造意识到设计周期优化这些事情。

segar:芯片炸毁在工厂是不好的,但是如果它炸毁领域甚至更糟。过程变得更加复杂,或有更多的物理问题,EDA社区关注这些问题,这是一个伟大的事情。我喜欢技术的承诺是,你可以在更广泛的优化步骤在设计过程中。有这么多利润的原因是你不希望这些不好的事情发生,但利润率和你最终失去性能。所以这都是为了最大限度地减少风险和降低失败的代价。如果你可以在一个更广泛的优化设置,你可以挤压利润率。本身,拥有大量的承诺。但是它需要能够吸收更大的数据集,看同一事物的不同看法,权衡一件东西换另一件想出更好的效率。

Drako:几乎所有我们的客户都是使用云对某些方面的设计,以及在做纯云的实现。所有的EDA工具接受文件系统,因为这是我们写的所有软件的方式,但云并不提供一个良好的文件系统。完美的云通常提供了一个很好的对象存储。这是一个完全不同的野兽。翻译从一个对象存储或文件系统有点问题。有工具和文件系统,但他们有显著的性能,所以工具运行得更慢。不过,更大的问题是数据集非常大。甚至在当地环境中,客户有5000年或10000年在自己的数据中心和服务器需要访问数据并分发它来模拟,这是一个重要的问题。所有的服务器需要数据从一个NFS服务器,因为他们想要一个金色的副本。但是因为数据规模如此之大,他们需要500台服务器运行回归测试,看看他们在哪里。 So distribution of data continues to be a significant problem. And then when you say, ‘We’re going to be a cloud data center, and we’re going to run some stuff in Amazon to do this AI, and run some stuff over here for this AI, and we’ve got some design engineers doing verification — data is being shifted all over. And suddenly you’re in the midst of a massive nightmare, because nobody knows which data is being used by whom, and the job grinds to a crawl because they’re trying to transfer data between India and the U.S. in order to launch this job, and they need 72 gigabytes of data now, but it takes three hours to transfer, so everything grinds to a halt. There’s this huge data problem, and it’s getting worse and worse and worse. And it’s going to get even worse as we do AI components. I don’t think this industry understands the potential and the impact of AI on it.

SE:你如何看待吗?

Drako:这里的讨论已经很少生成人工智能,它会为我们做什么。有一个全新的类别的工具。每个人的工作。但我不确定这个行业真正掌握的力量会是可能的。你能写一个规范的芯片和得到非常接近chiplet出来。我可以去GBT和写的规范模式,它会对我吐出来一个20页的专利。它是完美的吗?不。但是当你花20分钟来清理干净,很好。所以设计是会更容易和更多产。 The business model isn’t there for us to support large numbers of designs right now. Most of those designs may go to FPGAs or whatnot. But the impact on what we do and how we do it is going to be huge. And in order to make that possible, the amount of data is going to go up, up, up. Training data is really big. And so we’re putting a lot of energy into how we manage that data and distribute it.

李今天:大约90%的EDA软件的使用是基于1980年代的计算机科学。这是一个问题。你依靠中央净和存储数据。但是如果今天你跟任何计算机系的学生,他们使用系统和方法,正在等待什么人使用的90%。在外面有很多的机会。ChatGPT就是一个很好的例子,它肯定所有人都积极关注。但也有一个教育问题。我们没有没有学生进入EDA在美国和在中国,有很多聪明的工程师,但由于地缘政治是旋转自己的行业,这是一个长期存在的威胁,我们可能会停留在1980年代,计算机科学。

Drako:我们需要我们需要更多的投资在任何和所有类型的教育。在1900年代,美国引领世界的教育。今天,我们不再引领世界的教育,这就对我们产生重大的负面影响。我们需要解决这个问题。

观众提问:这是一个民主化EDA的机会,所以它可以打开大量有才华的人目前没有兴趣或没有访问吗?

李:通常我们认为你需要一个伯克利博士,但现代学习方法可能不需要。在开放源码有很大价值,但很难创建的核心算法。你能有什么不对,高质量的EDA软件出来一所大学,喜欢开放的道路吗?我持怀疑态度。我宁愿提倡开放的API工具,版本的访问学生无处不在。

Kibarian:美国政府资金开源EDA而试图赢得我们的敌人。你不想要一百万创业公司,你不想让你的源代码,让他们制作的东西。这似乎疯了。同样,围墙花园并不是一个有价值的对我们的工作方式,。方法有绝对地址的访问和成本。我们做了一个免费的个人产品,中国已经试验了免费商业模式。和民主化的工具。但是有很多方法可以做到,没有公开源代码。如果你隔离世界的一个地区,该地区将找出如何做自己的事情。然后,当你重建,这将是一个竞争的威胁。 So let’s not make it easy to catch up.

Fache:开放的API是至关重要的,这就是我们大多数人都在工作。你可以保护你的知识产权,但你也可以让它更方便为一个非常大的社区的人们增加价值。

Narain:我们的工作是确保芯片最终成功,没有制造问题和功能问题。但数据是非常私人的。所以当我们谈论数据,每个人都有自己对事物的看法。面临的挑战是如何把所有的数据——无论是在设计阶段,合成阶段,place-and-route,制造、或硅,使问题更可以吗?我们可以解决这个问题更早比单独作为一个社区。