模特的麻烦

由于设计复杂性、工艺变化和物理效应增加了需要考虑的变量数量，在10/7nm及以上工艺上，模型的开发、集成和有效利用变得越来越困难。

建模是一种抽象半导体设计各个部分的复杂性的方法，复杂的soc可能需要几十种模型。一些绑定到特定的IP块，而另一些则是整个系统的抽象。还有一些模型旨在实现轻量级和非常快的速度，例如用于在复杂设计中模拟热量的模型，或者用于确定哪种架构方法将提高性能的模型。模型也可以是周期精确的，这意味着它们是特定功能甚至整个芯片的直接表示。

问题是在7nm处有很多事情要做——多个功率域、物理效应(如泄漏和热)、RC延迟、大量可能的用例以及各种类型的变化——所以并不是所有模型都工作得一样好。也许更令人困惑的是，并非所有模型都能很好地协同工作。

“最大的挑战是在先进节点上的先进电路，”该公司CTO Oliver King说Moortec．“准确性在这里是一个相对的术语。如果您使用一个设备模型，它可能对某些元素是准确的。但同样的模型可能对另一个人在设备的不同部分工作没有用处。”

在每个新节点上也有一些基本的变化，这些变化大大削弱了某些类型模型的价值，而使其他类型的模型仍然与以往一样重要。因此，在28nm及以上，它足以模拟电感来确定信号如何通过器件。这种情况在16/14纳米开始改变，在10/7纳米完全改变，在那里各种类型的噪声——功率、热、电磁干扰——是更大的问题。

公司营销副总裁Magdy Abadir说:“现在需要重新验证模型。Helic．“在28nm波长下，电磁串扰甚至没有出现在任何人的雷达上，但我们在finfet中看到了它。问题是它可能通过也可能不通过基板。电磁波可以以许多神秘的方式传播。你怎么建模呢?”

还有其他问题。模型倾向于识别哪些有效，哪些无效，但并不是所有的模型都足够频繁地更新以捕获所有这些变化。在复杂的设备中，问题甚至可能直到设备在市场上使用才会出现。

at的营销副总裁Mike Gianfagna说:“使用高级节点没有太多数据，所以你基本上必须自己制作数据。eSilicon．“我们在SPICE模型等低水平模型中尤其看到这一点。你拿一个设计，你得到测量数据，你把它送到晶片厂，当你把它拿回来的时候，处理器并不是SPICE模型说的那样。然后你们讨论如何解决问题，要么创建新模型，要么重新调整设计的中心。在28nm及以上的工艺上，这不是问题。来自fab的1.0 PDK被认为是黄金标准。低于这个水平，就没那么容易了。”

图1:芯片热模型。来源:有限元分析软件

不同类型的模型
设计流程中几乎所有的东西都有模型，从IP块到安全性，再到可靠性和故障可预测性。

“每种类型的模型都有自己的优势，”微软应用工程高级经理蒂姆•科格尔(Tim Kogel)表示Synopsys对此．“有软件模型，但现在电源管理正被拖进软件。还有系统级模型、功率模型和不同的仿真模型，它们具有更多的功能细节。每个人都面临的一个挑战是确定使用哪些模型，以及在创建这些模型时需要投入多少资金。然后是混合和匹配模型的问题。”

一般来说，基于最新和一致数据的模型表现最好。一个模型的好坏取决于用来创建它的数据。

“如果一个产品在不断变化，就很难建立一个模型，”at的首席技术官迈克尔·舒登弗雷(Michael Schuldenfrei)说最优+．“如果你有高运行、长期的产品，模型就无法理解和预测这些变化。最后，没有什么灵丹妙药可以找出所有可能出错的地方。你不可能运行所有可能的场景并捕捉每个变量。”

随着变量数量的增加，情况也会变得更糟。这包括用例、与系统中其他IP块或芯片的交互以及安全漏洞。不断更新这些模型的需求增加了，但出错的风险也增加了。

随着模型尺寸的增大，情况会变得更糟。“如果你着眼于整个SoC，这就是建模真正变得棘手的地方，因为现在它与芯片、封装和板相互作用，”at的应用工程总监Arvind Vel说有限元分析软件．“它跨越了三个不同的领域。然后再加上时间。对电力这样的东西进行依赖时间的建模是非常复杂的。”

在系统级别，这很快就会变得很麻烦。例如，要捕捉Android手机的启动过程，就需要对整个系统建模，这是一项庞大的任务。

“每种模式都有其固有的缺点，”Vel说。“每个系统的热时间常数都是不同的。对于手机来说，你通常关注的是毫秒级的性能，但实际上需要几秒钟才能达到稳定状态。”

建模与蛮力方法
其结果是，模型被用于各种各样的领域，但并不是所有的领域。

例如，Arm支持周期精确模型和快速模型，用于分析嵌入式处理器在复杂设计中的工作方式。该公司的方法认识到了周期精确模型和快速模型的优点和缺点，前者忠实地再现了完整的功能，但对于许多系统级任务来说太慢，后者功能正确，但缺乏正确的总线定时。

“人们总是渴望更快的东西。手臂．“当你更快地交付东西时，客户希望它再次更快。没有人愿意牺牲指令集执行方式的功能准确性，因为没有它，设备将无法工作。但是如果您只是在编写应用程序软件，您可能希望以某些特性来换取速度，轻量级模型就是对这种情况的响应。您将无法提出架构决策，也无法看到其他较低级别的活动，例如基于这些活动的缓存或安全性。因此，您可以加速执行，但不能表示实际IP将做什么。为了忠实地表示所有IP行为，轻量级模型是不行的，为了精确的总线周期，需要一个周期精确的模型。”

不过，保持准确性需要勤奋和不断的改进。“这是一个持续的整合，因为你想看看你最初的假设是否成立，”公司产品管理和营销高级集团总监Frank Schirrmeister说节奏．“有时蛮力技术是抽象的一个很好的替代方案。通过模拟，您可以实时地运行一秒或一分钟，而完全不必抽象数据。这在硬件启动时特别有用，因为在硬件启动时，极端的并行性可能具有竞争力。”

这也是事情变得非常模糊的地方。Synopsys的高级研发经理Bart Vanthournout表示，公司经常会询问是否在模拟中使用蛮力方法，或者是否在模型中使用抽象。

“我们发现，我们需要训练用户知道什么该建模，更重要的是，什么不该建模，”Vanthournout说。“这一切都是关于速度和保真度。有了保真度，模型需要提供什么特性?你能在仿真中运行什么，用FPGA原型?如果所有用例都在RTL或FPGA加速器中，那么组合用例通常是有价值的。你可以加速这个过程，例如，把主处理器放在模拟器中，剩下的放在模拟器中。但接下来你要怎么做呢?”

没有适合所有设计的单一答案。现实情况是，无论芯片制造商采取何种路线，都需要额外的工作。

Cadence的Schirrmeister说:“关键是不断的改进。”“这是持续的整合。你想看看最初的假设是否成立。但在你的假设范围内，你还需要更多的数据和更准确的模型。”

安全性至关重要的模型
一个很大的未知数是，这些车型在汽车等市场的表现如何，因为这些市场对安全性的要求取决于准确性。

“退化建模是一个大问题，”该研究院设计方法学部门负责人罗兰·扬克(Roland Jancke)说弗劳恩霍夫东亚峰会．“这取决于电力负荷、热负荷和机械负荷。你如何解释振动?如果你把PCB放到汽车里，只有几种方法可以验证它。在外部机械压力下，它可能不再工作。此外，还有产生噪声的关键部件。你需要为电路中的交叉耦合建模。”

这一点在模拟世界之外很少有人能理解，更不用说在汽车市场了。但由于更薄的绝缘层、更细的导线以及相同或更高的时钟频率，它已经跨越到10/7nm及以上的数字世界。

Moortec公司的King说:“我们发现很多公司现在都在为finFET模型的复杂性而挣扎。“这曾经是模拟设计师担心的问题，因为模拟建模从来都不是很好。在这些节点上，纯模拟的概念早已不复存在，因为许多IP供应商都在使用7nm的数字功率。但由于工艺变化是解耦的，传统的电路模拟方法并不适用。所以对于模拟部分你仍然使用蒙特卡罗模型。但是对于计时，你在一个过程的角落做一个时钟树，在另一个过程的角落计时。”

这是非常难以建模的，这是出现在高级节点上的问题之一。这也使得其他设计团队成员很难利用这些模型，因为它们不能与为设计创建的其他模型相匹配。

“这变成了一场整合噩梦。ArterisIP．“每个模型都必须处于正确的抽象级别。您必须在拥有足够的数据和从模型中剥离过多数据(这会使模型变得无用)之间做出巨大的权衡。这里有三件事需要注意。一个是模型的速度。第二个是抽象，它反映了它能提供多少数据。第三个是模型的可见性。因此，该模型比RTL提供了更多的可见性，但如果它的速度、可见性和精度水平不合适，它就没有用处。”

最重要的是，越来越难以准确地判断什么是有用的，因为它因节点、项目和市场而异。现在出现了如此多的新市场，目前还不清楚什么会成为这些市场中的关键因素，因为几乎没有数据可以作为这些模型的基础。

“我们看到越来越多的细分市场是新的，”阿努什·莫汉达斯说，该公司营销和业务发展副总裁NetSpeed系统．“想想汽车、超大规模存储和5G。这些都是新兴领域，几乎没有遗留问题。”

基于历史数据的模型往往更准确。但是历史数据并不一定适用于新的节点，其中一些物理效应现在是一阶问题。Helic的Abadir说:“一旦你有了所有的寄生虫，你就可以创建更好的模型。”“串扰、功率、时间和热量都取决于寄生和模型。但是模型是有假设的，有些假设是在20世纪90年代提出的。如今，一些正在建造的模型仍在使用这些技术。”

这在任何设计中都可能导致问题，但在安全关键的市场中尤其成问题，因为模型需要在某种程度上与实际实现相结合。

Neifert说:“在这种情况下，需要一个来自实际实施的周期精确模型。”“软件内容也在增加，所以虚拟模型在这里发挥着越来越大的作用。在许多情况下，这是一种正在实施的新方法。在过去的汽车设计周期中，他们可以不紧不慢地完成任务，但软件内容却少得多。这是我们第一次看到用于某些汽车功能的soc和处理任务，这需要一个全新的建模水平。”

在这一点上似乎有相当多的共识，但实际上是如何实施的还不完全清楚。公司产品营销经理Mark Olen表示:“多年前，我们放弃了高度精确的故障模拟，因为虽然它适用于几千个闸门的设计，但对于数百万或数亿个闸门的设计来说，它变得笨拙。Mentor是西门子旗下的企业．“从定义上看，模型不再那么准确，当我们运行测试时，我们假设它们在构造上是正确的。如果你掉了一个电话，那也没关系。如果它导致了汽车事故，那就不好了。”

奥伦说。便携式刺激可能会在这方面有所帮助——尤其是本标准中不太为人所知的部分。虽然PSS的大部分重点是在模拟器上重用IP块的刺激，但它还包括一种方法，可以在更大范围内智能解决问题。“当它生成更多的测试用例时，它提供了一种数学方法来跟踪以前所做的事情。它也可以适应，因为当它遍历规格时，它可以在任何时间点了解可用的资源，并根据dma(直接内存访问引擎)或中断的数量或可访问的内存数量进行更改。”

结论
把所有这些放在一起，就很难确定模型在哪里工作，何时以及如何使用它们，以及哪些模型相互配合得很好。Mentor的产品营销总监Joe Davis表示，DFM模型一直能够处理更多的角落和不断上升的复杂性。但最大的优势是，与过去相比，晶圆代工厂可以更多地共享数据。“好的模型并不一定是最难的部分。它提出了一个设计团队可以利用的模型，”戴维斯说。

在设计的其他部分，用于创建模型的数据要弱得多，在最先进的流程节点上尤其如此。更糟糕的是，设计的筒仓性质倾向于为特定目的创建模型，而不考虑如何将它们与设计流程中的不同组的其他模型集成。

在所有情况下，模型都需要被视为有用的工具，但也有一些缺陷。这并不一定会降低它们的价值。不过，关键还是要理解这些缺陷并解决它们。正如统计学家乔治·博克斯(George Box)在1978年的一本书中(与威廉·亨特(William Hunter)合著)所写的那样，“所有的模型都是错误的;有些模型是有用的。”

有关的故事
故障模拟重生
一个曾经不可或缺的工具正在为不同的应用程序卷土重来，但仍有问题有待解决。
形式化可以取代模拟吗?
独家:正式领导者讨论他们如何将正式工具发挥到极致，以解决不断增加的任务。
神经形态计算:大脑建模
相互竞争的模型竞相展示大脑是如何工作的，但没有一个是完美的。