解决芯片设计中的痛点

《半导体工程》与ANSYS半导体业务部总经理兼副总裁John Lee一起讨论了多物理场和新市场应用对芯片设计的影响;Xilinx杰出工程师Simon Burke，麻省理工学院电气工程和计算机科学教授Duane Boning;英飞凌EDA/IP联盟总监Thomas Harms。以下是那次谈话的节选。本讨论的第一部分是在这里．

SE:能够有更高层次的抽象总是好的，但你也希望能够一直向下钻，特别是在安全关键类型的应用中，比如汽车中的7nm AI芯片。我们如何平衡这两个世界?

(从左至右)杜安·博宁，西蒙·伯克，约翰·李，托马斯·哈姆斯

伯克抽象最初是达到目的的一种手段。这个设计不适合你写的东西，所以你抽象化了一些东西让它适合你。这只是暂时的解决办法。真正的问题是它必须合身。使用向外扩展模型而不是向上扩展模型，可以使您不必抽象以前抽象过的东西。不同的模型和不同的层次都有一些限制，但正确的答案是增加设计的可见性而不是减少。

SE:软件和硬件都是这样吗?

伯克:是的，你会看到更多交互系统级的东西，而不仅仅是在Arm内核上启动Linux，一直运行到芯片上的操作系统。你需要确保它能在模拟器中工作，这样当硅回来时就不会有任何问题，而这对Xilinx来说正成为一个更大的问题。进行这种系统级模拟以验证您没有任何基本问题是一件大事。但是有一个抽象的层次你不能再低了，特别是模拟。

危害这个级别的表现总是有问题。你不能做全芯片模拟模拟，所以你必须划分设计，并在必要的地方关注特定的领域。然后把它抽象出来。今天，随着越来越复杂，问题也进入了系统。如果我有一个产品，它将被用在电路板上，我需要提供一些东西，这样他们就可以用我的产品做一个电路板模拟。如果你使用数字双胞胎，你必须从较低的级别抽象出一些东西到整个汽车，以达到那个级别的性能和安全级别。它仍然是系统仿真的必要条件。

李:如果你从芯片设计师的角度来看，他们想要从封装和电路板的角度，以芯片为中心来看待它周围的系统。系统设计人员希望对系统中芯片的外观有一个以系统为中心的视图。我们要去的地方是平台，就像谷歌地球。你可以看看世界，放大北美和拉斯维加斯，然后是一条特定的街道。在最高层次上，它是一张照片。这是一个抽象概念。大数据系统在客户端给我们的是缩小到你需要的细节水平的能力，然后再缩小到看到整个画面。在某些情况下，你会希望看到细节而不是大局，并查询这个和各种关系。作为工具提供者，我们的工作是为您提供从高层次抽象到最低层次的能力。挑战在于如何处理知识产权的混淆或保护。 That’s a whole other discussion.

去骨:我认为这不仅仅是放大和缩小的问题。当然，这很重要。但是我们还需要更多重叠的抽象。我们不会减少他们。您需要为某个目的而构建的抽象。抽象捕获了实现该目的所需的基本元素，无论是优化还是验证。我们需要更多的方法来从多个角度看待相同的结构。

SE:我们获得筹码的方法之一是分而治之。当我们进入3D堆叠和其他高级包装时，我们如何划分这些设计?

伯克:有多个分区。今天，您在构建设计时对其进行分区。有你必须遵守的规则，你必须服从的等级制度。这些都是重建的产物。我们一直在做的一件事是创建芯片的虚拟子系统。对于计时你有一个计时子系统。如果你想验证，你有一个。做整个芯片很困难，因为它很大。拥有一个子系统是一种解决方案，但是子系统只适用于这一目的。用于验证的方法并不适用于计时。 Creating a chip from a physical perspective, and then creating virtual subsystems to be able to do the analysis, is essential.

李我们目前正在研究的一个领域是电源完整性。电网遍布整个芯片，然后如果你看3D-IC，你有数十亿或数百亿个设备连接到一条轨道上。话虽如此，我们认为有机会在电力完整性流程中加入更多结构。这些年来，时间流已经成熟。你可以为一个块计时，把它插入芯片，然后做全芯片计时，这样你就不必在同一层次上看所有东西。权力的完整性远不止于此。你需要数学来把它们组合在一起。这对你如何进行电网设计有启示。在完全平坦的方法和更平衡的方法之间存在权衡。这是一个棘手的问题，但我们将能够划分并进行更具建设性的电网设计和功能。

SE:你认为目前设计中最大的漏洞在哪里，我们该如何修复它们?

危害:还在调试和验证阶段。你发现了问题，并想要精确定位它们。所以我们有工具，流程，方法，我们想要加入。所有的工具都会生成输出，您希望深入研究并找出它们在一个领域与另一个领域之间的相关性。所以你看时间，它不起作用，然后你看功率，并找到一些东西，但你现在如何结合，以了解是什么导致了热点，为什么你有一个时间问题?整个调试都有问题。数据库的缺失将允许您在一个地方获得所有信息，这将使跨领域和跨EDA供应商的边界查看变得容易和普遍。

伯克:我同意。我们现在面临的挑战之一是我们要尽最大努力让硅在第一时间起作用，但这是一个不可能完成的任务。仅仅是让硅回来查看它，然后调试这些巨大的系统所花费的时间，就意味着修复问题的周期正在迅速增长。机器学习和人工智能在这个领域有很大的机会，可以帮助人们从找回一个不能工作的芯片，到理解它为什么不能工作。即使它不能确定确切的原因，它也应该给你指明正确的方向，这样我们就可以优化它。你无法修正制造过程，但你可以修正调试芯片所需的时间。

李:这种把所有数据都加载进去的想法是行不通的。您有很多定时数据、物理数据和模拟数据。你需要一个开放的平台来处理芯片上的问题，因为很多问题不是在一个单一的领域。Hadoop和其他大数据系统向外扩展的能力正是我们认为在设计中所缺失的。

去骨:调试需要集成大量信息，甚至可能回到制造信息。但我们也需要有才华的人，并以安全合理的方式，通过EDA供应商，通过他们的用户，来获得整合的信息，并与大学社区相连。这是一种释放创造力来解决这些问题的方法。如果我们从我们的社区中抽取一些人工智能问题，利用来自大学和公司的成千上万的机器学习人员来解决这些问题，会发生什么?前方还有很多艰难的工作。我对Andrew Kahng(加州大学圣地亚哥分校计算机科学与工程教授)的努力印象特别深刻，他让社区解决了对开放的需求，并释放了创造力。

有关的故事
更少的利润，更多的利润，和新的市场
物理学如何重塑设计的前沿。
提升权力的抽象层次
为功率分析和优化找到正确的抽象来自于工具集成。
3D电力输送
电力输送网络的设计变得更加复杂，当事情变得垂直时，设计师不能再依赖利润。
在同一节点使用更少的电力
当更小的节点不再是一个选择时，如何获得更好的电源性能?有几种技术是可行的。