近门槛计算

物联网(物联网)的出现带来了很多注意力需要极低功耗设计,这反过来又增加了电压下降的压力。在过去,每一个新的流程节点缩减特征尺寸和降低名义操作电压。这导致能耗的下降。

然而,情况以两种方式改变了约90海里。首先,额定电压缩放开始变平,因此开关电源停止扩展。第二,泄漏电流变得更重要,甚至较小的节点成为主导。这两个很难继续任何重大权力减少给定数量的计算不包含越来越多的逻辑设计管理,减少权力。

的引入finFET16 nm改善了工作电压和泄漏,但都与这个节点成本的显著增加,这意味着它并不适合设计用于低成本市场,比如物联网。似乎没有任何迹象表明铸造厂将实现finFETs在旧流程节点,必须研究,所以其他途径减少为了得到必要的权力。

电力消耗是电压的二次函数,通常表示为功率正比于简历²f。电压降,你得到一个较大的电能节约牺牲性能。因为很多物联网设计工作周期很长,这通常是一个可以接受的折衷,但还有进一步的并发症。总功率是静态或泄漏的组合能力和动态能力。随着电压下降对晶体管的阈值电压(Vt)、交换式电源但同时降低泄漏电流增加。这意味着渗漏和开关电源的最佳组合。减少电压低于一定的功率会导致渗漏增加速度比交换式电源是降低,性能也会退化。最优操作点通常是略高于Vt和被称为近门槛操作点或最低能量点。

来源:钱,手臂。最低能量点通常是略高于阈值电压。

过程的第二个问题是图书馆,发布的铸造厂,设计运行在额定电压和他们可能不能保证这些设备运行任何低于20%低于名义操作电压。除此之外,变化起到的作用更大,从而使设计过程更加困难。

另一个问题是内存。虽然逻辑可以扩展并没有太大的困难,记忆,和静态存储器特别是,需要更高的电压读写操作是可靠的,尽管他们可以下降到低电压保留。这使得近门槛计算困难。

最后一个区域是,EDA工具并没有为这种类型的优化设计和在许多情况下,可用的模型不提供适量的细节才能找到最优操作点。

今天,我们正看到解决所有这些领域中,虽然不能被认为是一个简单的路径。

工具支持
今天没有设计,可以没有一个沉重的EDA工具的依赖,和所有这些工具依赖模型。“有一个精确的晶体管模型是所有工具的关键起点,“哼哼Hingarh说,负责工程的副总裁突触的设计。”的一个问题是,亚阈值区域模型是不够的。晶体管阈值附近操作时他们将需要更长的时间来驱动负载。在阈值电压附近,波形变得非线性使得有必要更新工具帐户。今天大部分的时间分析工具假设RC-dominated延迟,但是当考虑到阈下操作,门延迟主导时机。”

克服这些限制的一种方法是限制使用少量的细胞在一个典型的图书馆和只使用那些理解和特征。

变异
所有的设计必须处理一定量的生产变化,但操作在阈值电压附近放大这些影响。Dreslinski等人分析了他们的论文题为阈值附近变化计算:通过节能集成电路回收摩尔定律。他们国家,“由于全球性能变化过程变异仅从30%增加了大约5倍(1.3 x)名义操作电压高达400%,(5 x) 400 mV。”

Hingarh说,由于这种可变性,“设计师必须非常仔细地考虑variation-tolerance电路。“另一种选择是增加更大的利润,但这就减少了一些不必要的获得将对阈值电压的增加漏组件。“这些时机错误越来越频繁等小浇口的长度低于40纳米CMOS,过程变化很高,但是可以使用65 nm和130 nm CMOS技术更成功。此外,FD-SOI或CMOS技术与偏见的能力可以帮助因为偏压可以用来减少Vt变异。”

变化有关的另一个问题是时机的变化可能是由于小电源电压的变化。这意味着ir降必须非常仔细地评估,否则时间很容易移动以外的范围。Dreslinski估计,这增加了另一个2 x的可变性。

的记忆力
午餐期间由节奏在最近设计自动化会议,Jayanta Lahiri,负责工程的副总裁物理IP组手臂,请求额外的内存bitcells的发展。“虽然逻辑电压下降,bitcell电压继续高不少。我们谈论的是记忆,需要0.85 v和外围.55V左右。导致一个巨大的设计挑战,我们必须处理信号从一个域到另一个。我们需要找到一些方法和手段来降低电压bitcells。”

虽然铸造厂今天可能无法提供解决方案,别人看的可能性。“如果你想要一个DSP核心和内存操作在同一电压铁路和能够规模电压一路下来,那么通常内存战利品,”说,首席执行官sureCore。所以我们想要设计一个内存可以缩小到0.6 v,因为此时的逻辑可以继续工作尽管在很低的频率。”

SureCore开发了一些智能辅助技术,允许bitcell,只有指定保留在0.6 v,被认为是在高电压环境下对煎的目的写的细胞或检测电压bitcell使用一个标准的方式读出放大器的阅读过程。“这意味着我们可以有效地操作内存0.6 v的低频运行15至20 mhz。然后,当系统想做一些更有趣的和需要更多的马力,可以增加电压恢复到名义1.1 v和可以操作300 mhz。”

新市场
虽然它可能是刺激发展的物联网,还有其他潜在市场可以从这种技术中获益。Vinod Viswanath、研发总监真正的意图指出,神经形态计算。”“神经形态”这个词是用来描述混合模拟/数字VLSI系统,实现真正的神经系统的计算模型。这些系统直接利用硅的物理和CMOS实现物理过程神经计算。”

Viswanath说大脑的10 ^ 11神经元和10 ^ 14突触。“它每秒执行平均10 ^ 15操作。大脑的功耗是大约10 ^ -16 J /操作,导致总平均消费不到10瓦。相比之下,今天的硅数字技术充其量只能消散10 ^ 8 J能量每单芯片级别的操作。没有办法实现类似的操作每秒与今天的技术在单个芯片上。但是即使这是可能的,那么多的计算数字芯片将消耗兆瓦(核电站)的输出。任何严重试图复制大脑的计算能力必须面对这一问题。”

Viswanath指出,阈下模拟电路也无法与真正的神经回路,但它们10 ^ 4倍效率比数码同行更多的权力。

“选择在神经形态计算阈下电路的主要原因是,在阈下的地区,晶体管的漏极电流有关gate-to-source电压通过一个指数关系。可以在高水平的抽象模型神经元的反应通过传递函数映射的输入电流峰值产生的频率。如果映射是线性的单个晶体管可以实现这样一个模型。这种类型的神经元被称为线性阈值的单位。如果s形映射,我们可以使用一个差分跨导放大器实现模型的神经元(这是一双微分阈下电路的差动电压输入和一个微分电流输出)。跨导放大器操作范围是为小型线性微分电压,和指数随着变化的增加,建模一个完美的双曲飙升。”

结论
虽然事实证明阈下和阈计算变得更加实用,这是在过去,它仍然是一个技术,采用end-application需要并不是轻易地了。预计很多惊喜和不完整的工具支持,除非你能说服大量其他设计师追随你的这条路。然后你可能引人注目的铸造厂,可以做很多帮助,和工具供应商,添加必要的模型准确性和高度专业化的需要为这种类型的设计的工具。