跟上生产力的挑战

直到最近，EDA软件还在不断提高处理器性能，作为其驱动的一部分，继续为设计下一代更快处理器的人员提供更快更强大的开发软件。这是一枚偶然的戒指。在世纪之交，随着向多核计算系统的迁移，这一切都改变了。为了提高性能，必须有效地利用多核体系结构，这就需要重新构建软件体系结构。EDA行业如何应对这种变化，这种变化与整个软件行业正在应对的变化相似?《半导体工程》向业界索要成绩单。

多核应用有三种主要方式。第一种方法是改变用于支持底层硬件架构的算法。第二种方法是改变运行软件的硬件。第三是把问题变成一个可以用更容易的方式解决的问题。EDA正在尝试所有这三种解决方案，有趣的是，它们都被用于帮助解决验证问题。

改变算法
,一个节奏以积极的态度开始讨论。“令人高兴的是，EDA世界有相当一部分本质上是平行的。”许多这样的应用程序很早就迁移到多核体系结构上了，多核的使用往往没有被注意到。

最大的限制因素往往不是算法本身，而是内存系统。“降低EDA工具中采用并行性的速度的一个因素是内存瓶颈，”at的首席技术官普拉纳夫•阿沙尔(Pranav Ashar)表示真正的意图．细粒度多线程可以快速触发延迟瓶颈，对于典型的多线程来说SoC这些限制很快就会达到基准。”

然而，Ashar鼓励继续发展。“即使目前的多核架构存在已知的局限性，EDA公司也必须推进软件的并行化。32核处理器上的8倍加速总比没有加速强。”

Michael Sanie，验证营销高级总监Synopsys对此，讨论了与加速a相关的问题模拟器．“我们可以划分一个设计，让每个核心模拟一个分区。这项技术已经存在一段时间了。结果与设计有关。如果每个核心都是独立运行的，你将获得一个非常好的加速。如果有很多相互依赖，就不会有什么加速。”

更多的核心肯定会有所帮助。Cadence的Rowen说:“分解不同的测试用例并在不同的cpu上运行每个测试用例更容易。”“这要简单得多，理论上我们应该能够在数百万个cpu上分发请求流。这有一些实际的限制，尤其是我们的客户更关心数据安全，而不是他们的互联网搜索。”

大卫·凯尔夫，营销副总裁OneSpin解决方案认为模拟是一个无望的问题。“这需要非常大量的测试向量来简单地使SoC进入正确的状态，这种方法正在迅速变得不切实际。自动化形式验证解决方案现在正在取代动态模拟测试，利用状态空间探索，允许对通信结构和IP提出问题。”

早在2013年5月，OneSpin就研究了解决安全问题的方法，并利用了正式验证的一些独特方面。Formal将问题分解为许多小的部分，其中每个部分都可以单独处理，并将结果集中在一起显示给用户。一个正式的问题在任何时候都适用于完整的设计，这也是很罕见的。

这种方法先找出一个待解决的问题，然后提取必要的设计片段。然后它使用一个内部映射表来混淆设计。OneSpin的首席执行官表示，没有办法从单个部件中重建设计。此外，在代码片段被加密并发送到云端由正式求解器进行处理之前，对设计进行了数学抽象。在云上，对抽象的、模糊的设计片段进行处理，当结果就绪时，在发送回本地机器之前再次对其进行加密。

Sanie描述了应用程序级多核的另一种方法。“如果你正在运行模拟和检查断言进行调试和管理报道在美国，每一项任务都可以放在一个单独的核心上。在这一点上，它们是相当独立的，但耗时最长的部分，通常是模拟，将占主导地位，但所有其他部分基本上都是免费发生的。模拟是非常内存密集型的，当您将设计划分为四个或多个核心时，内存访问就会成为瓶颈。这就是为什么设计级别的分区并没有真正给你那么多。

更换硬件
几乎自从引入仿真技术以来，各公司就一直在尝试设计能够加快这一过程的硬件。一个早期的例子是IBM约克镇仿真引擎，一种特殊用途的高度并行可编程机器，用于1985年建立的门级仿真。据估计，它将能够以每秒超过30亿个门模拟的速度模拟200万个门，或者以每秒370个指令的速度模拟IBM 3081处理器。这与目前可实现的水平相去甚远。

如今，更常见的方法是使用fpga或类似类型的结构来构建可执行的等效电路。我们知道这是模拟，模拟器正在迅速接管许多较大的模拟任务。但是模拟器往往体积大且价格昂贵。即使是成本低得多的原型平台，在开发的早期阶段，也存在一些问题，无法让设计可靠地运行。当设计不稳定时，模拟往往是更好的方法。

人们想要的是一种低成本的方法，可以使用标准硬件，现在许多处理器都包含了解决方案。

“还有其他方法，比如使用GPU，”Sanie说。“这使得问题更具内存可伸缩性。每个GPU都有许多处理器，每个核心可以在一个、两个或十个门或一行RTL上运行。把设计分成一万个部分可能比把它分成四个部分更容易。这是因为GPU的结构不同于CPU，内存处理也不同。”

Aveek Sarkar，公司副总裁Ansys-Apache对此表示赞同。“我们混合使用CPU和GPU架构来加速我们的算法。对于机械和网格问题、计算流体动力学或电磁问题，我们可以从GPU的架构中受益。我们需要看看哪种架构对我们最有利。GPU通信结构不同，可以运行的线程数量很高。以gpu为中心的方法的问题在于内存。你可用的内存是有限的。”

这种方法还有另一个缺点，它使得一般软件群体难以使用GPU。Sarkar承认:“我们必须与GPU供应商紧密合作才能做到这一点。“我们也有专门的小组负责实现这一点。”

Synopsys也发现了同样的问题，并指出目前还没有标准化的工具链。

改变问题
如果不能充分改变模拟器性能或不能利用其他可用硬件，还有第三种方法。改变问题，这是一个可行的方法，目前许多公司正在使用。

Synopsys公司虚拟原型产品营销总监约翰内斯•斯塔尔指出:“我们需要采取分而治之的方法。“如果你试图通过把硬件放在一起来优化一个系统，在模拟器中执行它，并尝试探索不同的架构和应用软件，你永远不会完成。你就太迟了。所以在设计项目的早期阶段，你必须抽象化，并在此基础上做出决定。”

抽象是成功的关键虚拟样机，可以在RTL设计之前在开发周期的早期创建和部署。这是在模拟成为可行的替代方案之前。虚拟原型可以在很短的实时时间内运行，并实现系统架构探索、早期硬件验证、电源配置文件的设计和优化、低级软件和驱动程序开发以及当今复杂soc中所必需的许多功能。

乔恩·麦克唐纳，公司战略项目经理导师图形解释虚拟原型的一些好处。“通过提供虚拟平台，系统设计人员可以根据系统的需求做出更明智的决策，软件开发人员可以根据系统的限制优化他们的代码，硬件开发人员可以对一个成功系统的实现需求充满信心。”

多核平台提供商的问题可能比EDA公司更大。“软件堆栈，即使来自开源，也必须进行修改，”斯塔尔指出。Real Intent的Ashar还提出了影响所有多核软件的最后一个问题:“编写无bug的多线程程序是一项挑战。改造现有的大型代码库，使其对多线程友好，这是一项艰巨的工程再造任务。”