可靠性、机器学习和高级包装

半导体工程坐下来讨论可靠性、弹性、机器学习与拉胡尔Goyal和先进的包装,在技术和制造集团副总裁英特尔;罗伯•艾特肯研发研究员手臂;约翰•李副总裁和总经理的半导体业务单元有限元分析软件;主任和巴黎Lluis IP组合营销台积电。以下是摘录的谈话。

(唐森:拉胡尔Goyal,罗伯•艾特肯(John Lee Lluis巴黎

在7/5/3nm SE:我们如何提高可靠性,尤其是当这些芯片市场预计将15年或以上在汽车和工业等市场。

Goyal:我们必须创建时间胶囊。十五年后,会发生错误,因为如果现在芯片设计将三年前他们在市场。所以我们将呼吁支持客户在48小时内找到问题的根源。我们需要我们的模型和设计的存储环境。让我们知道工作的唯一方法是把机器软件金库。我们不知道任何其他方式,15年后,复制我们今天的环境。这就是我们认为需要支持。我们知道我们已经照顾了。

艾特肯:我们知道会有失败。我们面临的另一个挑战是,我们必须能够容忍他们。系统本身必须设计容错、纠错的内存是否或某种形式的软件宽容。我们也知道从安全的角度来看,黑客15年后将现在明显比黑客更有能力。去年我买的汽车网络技术建成的。它是连接到一切。10年后,任何孩子手机能够破解它。我希望一些固件更新将使其更宽容或抵抗。更新的能力随着时间的推移保持可靠至关重要。

SE:一个新术语的韧性。但问题是现在你需要跨层和跨系统的弹性。今天很多组件分解。会工作吗?

李:最简单的开始是看航空。在航空航天工业中,必须有弹性。如果你要月亮或整个海洋,硬件需要烤的弹性从电子系统级。必须有一个整体的解决方案失效模式。软件是另一个堆栈需要建模的一部分。关键任务软件,可能ADAS或飞机系统通常需要生成的功能是安全的,然后它必须验证整个工作流程。这些组件。multi-physics层面开始,一路穿过整个堆栈,所以从根本上是一个更艰巨的任务。

艾特肯:另一个关键部分是标准化。如果接口标准和标准的定义,它简化了问题。它不会消除系统中的问题,。仍然存在的挑战。但至少如果有一些标准化的接口,它允许解集的工作好一点。

Goyal:没有捷径。我们需要优化所有这些事情在一起,从设计阶段开始,以确保我们正在处理一切。世界正变得越来越复杂越来越多的连接。

SE:有一个成本,无论是从时间和金钱。问题是,这个行业建立减少。我们需要不同的方法吗?

巴黎:成本是真实的。我们认为,价值是真实的。安全要求。我的孩子们会开车,我希望他们是安全的。我看到,作为一个价值和我将为此付出代价。只要人们愿意支付的价值,解决方案就会存在。这些将我们会看到什么。

李:这是一个有趣的挑战。特斯拉可以更新自己一夜之间,然后你有一个完全不同的传动系统。我们希望这样的驱动系统和更严格的监管,在你买的车是汽车未来15年。但我们也要宁可更关注过程和验证,并确保事情没有走出去。如果你开车,你需要充分了解的局限性。

艾特肯:一部分是建模成本是什么。在安全至上的微处理器系统,你需要双核同步方法,两核运行如果他们不同于另一个,你回到检查点和重启。我们运行了一个实验,三芯因循守旧,看看三核比二,但事实证明现实的失效模式下,一个三芯同步不是比双核因循守旧。是一回事说成本是很重要的。但同样重要的是模型的实际问题你看,确定你支付额外的成本实际上是解决你想解决的问题。

Goyal:即使如此,随着复杂性的增加,它会成为一个集成优化问题。可以同时一起可以降低整体成本。但这不仅包括我们今天能做的事情。它必须穿过我们今天舒适使用的领域,和那些我们不满意,为了使成本下降。

SE:当然是有很多辩论ADAS是多远。但是从我们这边我们当然需要加强验收和验证和改进测试,使其更可靠。将机器学习帮助吗?如果是这样,如何?

李:机器学习当然会帮助,在某些情况下,它已经帮助。如果你看看可靠性,人类专家来衡量某些情况下电迁移,这是一个明显的机器学习应用的地方。如果你看看如何在超低电压模型非高斯分布,我们也应用机器学习。两年前我们并不是很清楚,我们可以应用机器学习。它的应用加速了。

艾特肯:有一个关键机器学习你使用的数据集的训练和运行一个推理。如果你正在寻找一个非高斯分布和样本,其分布在,那么您可以使用机器学习的曲线数据。但是如果你有一个劣质数据集以较低的点,然后所有的机器学习世界上不会有帮助。你无法推断之外的一个数据集,发现可能存在的问题。真的很重要种子机器学习正确的数据。然后你可以实现完整的好处。

李:你需要目标领域具有极高的价值,因为它是一个极其困难的问题,应用机器学习。但总是意识到机器学习模型可以减少路边。这只是一样好你训练它与它的数据。它不像一个显式算法代码你可以看看。在某些方面,这是一个黑盒。极的行为可以预测在错误的时间。

艾特肯:对于安全至上系统在未来,这将是非常重要的有更多可辩解的机器学习,如果一辆车方向的路,机器学习可以解释为什么它想出了这样的选择。

SE:我们走向更多的异构计算,我们看到先进的包装更感兴趣。将如何影响可靠性?

巴黎:我们在看3 d集成的原因是,从30000英尺,摩尔定律正在放缓。在过去,它总是更实用的集成。你是准备好了的时候,你会有一个解决方案是足够便宜的下一个节点。情况并非如此了。成本不是线性的。我们测试了MCM年前它是准备好了的时候,那相机太贵了。情况并非如此了。有些东西没有意义在5海里。铸造,这是一个现实。如果你试图对抗物理,你每次都输。 We need to support advanced packaging. If customers need that system solution, we have to do it. It’s complex for the supply chain, and to make it work you need good partners.

Goyal:像其他一切事物一样,这是一个进步。在某些情况下你优化模拟一起,在某些情况下你优化的一切。现在你必须优化芯片和包。你必须有这两个工作,一个是系统不够安全,性能和可靠性水平,我们都试图达到的目标。问题越来越复杂,无论是芯片之间的进步和包,或芯片,包和董事会或互联或组件或内存。并通过所有的供应链运行。

李:客户说去2.5 d或3 d,它引入了更多灵活的设计进度。如果你做任何事都在一块硅,它很难是灵活的。但是如果你需要做系统级优化使用类似的信息,你有更多的选择。EDA或软件方面的挑战是,我们使用的技术来处理100亿个晶体管比您想要使用的技术是非常不同的模型信息层包。物理是相同的,但技术是不同的,所以你不能拿一个集成电路器,芯片上的工作,让它来提取其他层。你必须非常小心使用哪个算法,和理想情况下你不需要创造一些你需要做所有的死在一个包中。

有关的故事
老化在先进的节点
为什么不再老化和可靠性可以解决利差finFETs和汽车应用。
爆炸过程的角落
7海里下面,建模会出现在硅更复杂。
大的变化对主流芯片架构
AI-enabled系统被设计来处理更多的数据在本地设备扩展福利下降。