调试工具正在改善

半导体工程坐下来讨论调试复杂的soc兰迪鱼,副总统的战略客户和合作伙伴UltraSoC;拉里悟道,产品管理总监节奏;马克•克拉高级产品营销经理导师,西门子业务;和杜米尼克摩根,负责工程的副总裁OneSpin解决方案。第一部分可以被发现在这里。第二部分是在这里。以下是摘录的谈话。

SE:在许多情况下,我们感兴趣的罕见出现在一个系统。我们可以看着数据来自模拟和说我们已经看到这些模式很多次,但是我们刚刚看到从未见过的模式吗?没有人说这是一个错误,但是这是一个指示的行为可能是异常?也许这是一个错误,还没有见过。

悟道:有两件事。一个是异常的检测,能够动态地创建修复领域的封孔。另一边,机器学习(ML)技术将被应用,在缺陷狩猎。我们可以做得更好的预测错误可能发生或什么样的检查有更高的概率导致错误,做的更积极的回归和测试在这些地区找到这些错误,只是因为我们可以预测哪些类型的变化产生缺陷的概率最高。那样你就可以集中你的精力。你仍然需要调试他们一旦被发现,但事情发生- ML分流和找出根源,但也会发现更多的缺陷,能够预测在哪里可以找到他们。

鱼他们使用正式和ML技术怎么样?

摩根:我们尝试了一些东西在预测参数验证选择引擎的选择。我们已经看到一些成功。有一个回归和实际的检查。我们也试图预测的时间证明。两家公司已经尝试这个承认它不工作,另一个说。相比正式技术历来是不可预测的模拟。你想是可预测的,是一个巨大的领域。

悟道:我们看看毫升从内部和外部的角度。里面的东西在正式和改善罩下的东西,使它成为一个更美好的工具为用户,但用户只能参与他们的数据,我们正在学习。还有它的外面,正试图使客户获得的技术,允许他们在他们的工作更有效率。最终,我们都有工具将允许他们定制算法和操纵数据集能够提高预测能力的最初交付和持续改善随着时间的推移和成长。

SE:我们将如何调试毫升应用程序?

悟道我喜欢比较早期GPU。与gpu,当他们在做三维阴影操作,总是有人叫金色的眼睛。那个人坐在那里,看着图片和说,“这是不够好。“这并不是一个绝对的。没有说它是正确的。

鱼:它是一个值的数字。

悟道:这是毫升的问题。这不是绝对的。这是一个预测,统计。这就是为什么价值至关重要。你需要有人谁可以判断,说这是在大多数情况下,足够好,它提供了市场价值。你释放过快,如果它不够好你做什么工作?这些问题是更难调试,因为你正在谈论继续改善网络做出更好的预测。

克拉:我们看到了一些客户开发神经网络和人工智能应用程序,他们尝试使用尽可能多的形式验证。

悟道:这是很有意义的。它是统计。它是天生数值。

克拉:试着盖一个详尽的空间,这是困难的经验,与模拟或仿真。但即便如此,他们遇到的挑战。

鱼:但净生产的准确性的问题,你有完美的硬件,做它的工作100%正确,还有开放的问题为什么说猫是一只狗吗?

摩根:如果只有猫和狗之间的混淆。

SE:中已经作了一些改进调试什么?AI接管前我们能期待什么?

悟道:调试的基石之一是司机跟踪。司机真的扩展跟踪算法。它不再仅仅是什么导致了这样。是多远很X行为变得更加复杂,这允许他们回到根源的点击一个按钮,而不必去阶段后阶段通过设计。

克拉:客户想要的工具,是建立在现代栈。我们有Qt堆栈,例如,与Eclipse或Tk。这使他们更快、更新速度更快。他们更现代,更可定制的。他们正在与他们实际上使工具——模拟器或正式的工具——更快地交换数据。在这个领域我们看到大改进。我们看到一个有趣的混合Qt-based桌面开发的调试和分析,与基于web的系统协同调试。现在,随着团队的所有世界各地的设计这部分的芯片,如果一组做了这个,让不复制彼此的工作。我有这个,你有覆盖,让分析和理解我们所有的覆盖率。有一些新架构在调试环境,支持多个工具——模拟器,模拟器,原型,正式,C合成,模拟/混合信号——这些是一致的工具,可以从一个移动到下一个。 They are context aware in the sense that they say, ‘I am doing real number modeling,’ or ‘I need to look at wires, that is what I care about.’ Or over here, ‘I am debugging my UVM testbench, so I need to look at the class libraries and understand what they look like.’ This is a whole new face to debug tools that is not a monolithic product. It also interfaces to cloud-based activities. Do you do debug in the cloud? Or will you run the engines in the cloud and have a clever streamlined pipe to get the necessary data onto your desktop? Or will you actually take advantage of web-based interfaces and technologies to debug something that is not on the desktop?

鱼:将数据或将数据服务器的某个地方,在那里可以做分析以更全面的方式,更有趣。

SE:说做的云你在做更多的数据处理,而传统上一直被视为一个交互式调试任务。

克拉:我们现在可以定义调试两块。有分析和可视化。云分析绝对可以发生,这可能是最优的。在功能验证的调查,不仅调试最大的消费,这是最难预测的。如果你有高峰需求,这就是云可以在经济上是一个很好的解决方案。你现在需要很多,但我不需要任何在接下来的两个星期。然后对可视化,你需要一个人类可以看到的东西。已经到达你的显示。

悟道:必须在可视化和性能。我添加到您的环境敏感言论,自定义上下文感知的能力也提高了。用户可以使用搜索机制,颜色编码和突出不同的东西,这样他们就可以创建自己的上下文,因为他们了解他们理解的设计和数据流。能够突出显示和跟踪数据值通过系统可以非常强大的调试过程。

鱼:什么是正确的术语发现你有一个问题,然后找到根本原因?

悟道:失败是你开始的地方。

鱼所以你找到一个症状。然后你必须找到根源。

悟道:通常在验证世界一切都回归发现故障。还有分类,以及这些故障类和类型分类。下一步是确定最好的测试使用实际调试和根源。

SE:正式当你有巨大影响识别失败,发现失败的最小路径。如何重要的是这是一个正式的在调试过程中所扮演的角色?

摩根:我们也看到这一趋势在人类和你说,“按照红色。“你从失败和你跟踪通过司机和援助的工具来告诉你去哪里看。我们也看到用户能够查询的值通过时间,和做自己的对您检索的值的分析工具。——协助人类加上数据分析工具。短路径pre-silicon和post-silicon很重要。你看到一个症状,你试着模仿写作断言的症状。这些显示了环境指向你看到的根源。

SE:是封装的上下文,然后使用工具来找到的最小路径的再现性?

悟道:绝对的。它是一个动态验证和正式在一起的地方。动态验证的范围可以限制你需要看什么,然后正式可以深入并做深入的范围和希望给你问题的根源问题。

SE:改善人们期望可以看到在未来几年?机器学习技术有多远?便携式刺激可以影响调试什么?

悟道:它将是连续的。会有一个银弹吗?我不这么认为。没有什么能使与调试相关的问题消失。我们将继续改善。我们不断地从我们的客户和他们的挑战,学习最困难的问题是,英镑继续钉。

摩根:我看到协助调试,不自主调试。你从系统获取艾滋病,看。告诉你什么是错误的,什么东西改变。这不是在可预见的未来。

克拉:工程师、设计和验证,在可预见的未来仍然有高度有收入的就业机会。但是我同意,有一个连续的发展。有一些,我们都是在一个乏味的人工作可以考虑爬行的应用机器学习技术验证,覆盖和调试。他们将继续发展。

悟道变的更加成熟。

克拉:今天我们已经讲过一些例子。它是全自动的吗?没有相当。我们提到的仲裁,故障分析。现在这些事情发生在仿真。

鱼:一个影响机器学习对我们是有漂亮的新芯片,从一张干净的纸。已经有一段时间我们有很多。许多年来,已经有20%的芯片之间的变化。在过去的几年中,相关培训或推测,有空白的纸张。他们可以用不同的方式来做事情。

悟道:他们是大而复杂,大数据集运行通过他们,这就是为什么我们看到的模拟空间。它不是一个可有可无的了。这是一个“必须拥有”。

鱼是的,绝大多数的客户使用模拟器或FPGA原型。

SE:任何进展在阻止细菌进入呢?

克拉我们应该开始讨论设计调试。

鱼:我相信高级合成某些应用程序。如果你能编写的C代码来描述行更少的东西,你可能会产生更少的错误。

克拉创建bug是左移位。