使用不同的数据挖掘

半导体行业产生了巨大的数据量,但直到最近工程师不得不整理自己的发现模式,趋势和畸变。开始改变的芯片制造商开发自己的解决方案或与他人合作伙伴有效地挖掘这些数据。

添加一些结构和自动化所有的数据是姗姗来迟。数据挖掘已经广泛使用了这十年来更好的部分从营销到比特币。最初的想法是,关键词,短语,甚至和形状的图像可以筛选大量的数据和模式识别。但数据挖掘也可以用来识别离群值数据在制造业等领域,或不规则的设计用例,这为芯片的发展,打开了一个新窗口工具和软件。

“新强调快速挖掘,”吉姆·霍根说,Vista的管理合伙人企业。“如果你看看比特币,早期使用的方法FPGA,更多的是能力而不是性能。但是如果你把这变成一个ASIC,你会得到一个100倍的性能改进。然后事情呈现指数级增长。如果你考虑一个硬件算法运行在一个ASIC,你可以每秒100更多的交易。胚根端胚乳,它可能花费你100万美元,但投资回报率可能不到一个小时。”

这也模糊了线机器学习和深度学习在实时应用中,如速度所需的安全原因。“你在处理大数据集时标签适用于图像,如狗的图片,或特定品种的狗,”戈登·库珀说,产品营销经理为嵌入式视觉处理器Synopsys对此。“但与数据后,你会怎么做?如果一个自治的车看到一只狗在路上,确定这是一只狗,你转向或者刹车吗?”

利用数据挖掘技术。进一步和越来越多的技术被应用在设计过程中,这些芯片开发放在首位。

“当你最初开始一个项目你认为你想要的类型的数据看,“说Anush莫汉达斯·,营销副总裁和业务发展NetSpeed系统。“那你关注如何提取数据。有趣的数据库和数据库技术是什么?你意识到实际上成吨成吨的数据,所以关键是如何将数据转化为洞察力。”

随着事情发展,任务就变得不那么如何提取数据,数据挖掘的基础,和更多的洞察力,他说。“数据告诉你是什么?你可以考虑两件事。一个是可视化。你可视化数据,在某些方面,比如趋势或覆盖。上周和本周报道是什么?或覆盖本季度最后一个季度和是什么?我取得进步吗?我进步,我不进步呢?另一件事是,你在乎什么? As an organization, as a design team, as a super alpha engineering team, you focus on the metrics that you care about. As we all know, the metrics that you display are the metrics that the team is going to focus on so, you have to be really careful in understanding what the metrics are that you care about, and then you focus on that.”

导致进一步细化真正驱动的行动。“从认识你去行动,”他说。“是什么数据,数据可视化或,和如何激发行动?最终这是真正的考验。我们的设计团队是如何工作的呢?工程团队工作如何从数据获得可行的事情吗?一旦解决,它变成了一个良性循环,因为一旦行动这一数据,然后通过循环了。”

得到颗粒状
这是在系统层面变得尤为重要。芯片是这么复杂,各种抽象是必不可少的,但这些必须配合深入的能力是必要的。形式验证和调试的一种形式。数据挖掘是一个工具,一个潜在的强大。

这是特别重要的在系统层面,让不同的块一起工作越来越困难。它需要硬件和sofwtare集成,以及了解不同的软件进行交互。

“我们不能解决,通过把事物分解成小块,因为问题时才体现你有整个设计在一个操作中,“鲁珀特•贝恩斯说,UltraSoC的首席执行官。”,特别是,它只体现在一个真正的上下文,和所有这些块正在真正的东西。这就是设计与大数据合并,因为我们正在谈论一个兆赫时钟,和一个典型的公共汽车你会产生具有每秒50 t比特信息能力的数据从一个公共汽车。如果你认为处理器的数目,公交车的数量,互联,外围设备和控制器,你谈论很多每秒。这就是你进入这个世界的大数据,以及系统运行的复杂性的挑战全面紧缩成大数据的挑战。”

一种方法获得牵引的智能分析模块的设计和触摸每一块的设计,而不是做过滤后,芯片上的智能,智能分析。通过这种方式,它允许数据集大小的字节而不是tb和pb级。这些数据然后搬出去的USB芯片,作为PCIe或WiFi,因为它获得情报内置模块的芯片,芯片的晶体管所做的分析所有数据驻留的地方,脱落是预滤器的见解,和高的信息价值,贝恩斯补充道。

芯片上与片外
另一种方式看数据挖掘在设计和验证的机会空间今天是芯片或芯片外。

“芯片上的,一大堆的活动是发生在信号和事务的事情我们没有跟踪,”马克说克拉产品营销经理导师,西门子业务。“即使我们一直在跟踪的数据量,也很难管理。片外的部分,我们称之为验证管理或协同验证管理。这不是发生在芯片技术。这不是信号,这不是交易,但它是度量报道数据、设计变更、设计稳定,反馈回归——所有那些同样重要,但芯片。”

这是一个感兴趣的领域的半导体设计生态系统EDA供应商内部本土公司发展自己的技术,因为今天没有存在。半导体芯片上,有设计师或系统设计师,年前发展到自动化测试使用SystemVerilog或UVM,采取了各种各样的培训。他们可能在数千台电脑运行——有时成千上万的回归农场,将运行测试后测试。

“使用这些自动化技术,用户有一个非常具有挑战性的时间写他们会衡量的指标,如是否覆盖在这种情况下,”克拉说。“有一个巨大的改变当我们去并发与多个处理器在同一芯片共享层的内存,因为人类的大脑不再能够跟踪和处理芯片上的发生的事情。这就是每个人都看着如何自动执行所有这些东西。”

根据威尔逊研究小组所做的调查,50%的设计必须respun后进入实验室。“不管多少验证完成和聪明的人是如何在SystemVerilog或UVM环境时50%的时间他们不得不回去re-spin它,”他说。“不幸的是,很多人基本上已经屈服于经济和计划在他们的下一个芯片。我们假设它是一个直接,“如果它是一个ASIC,这是100万美元。如果这是一个FPGA是少,但它的更多的时间和更少的掩模成本。同时,威尔逊研究数据显示,通常在62%至67%之间的所有设计完成晚了。”

虽然有巨大的进步与SystemVerilog约束随机测试和解决,快速模拟器,模拟器,衍生和错失市场窗口是一个大问题。

“伟大的SystemVerilog和UVM自动化block-level-design-based半导体,它低于系统的水平,”克拉说。“在系统水平实际上可能所有的块你组装或集成到您的SoC。他们可能功能合理正确,但当集成在一起,以这样一种方式配置,和软件堆栈实现和集成,大多数模拟器不能处理运行一个真正的系统级软件testbench硬件仿真验证系统级。因此,工程团队调查他们是否应该花钱进入一个模拟器或直接进入一个FPGA原型。所有的这些东西都是一个挑战。然而,我们现在可以收集这些数据发生更多通常运行的模拟器,因为我们是在系统水平。但你可以想象一下当你运行程序的操作系统对你的设计一个仿真器加载驱动程序,甚至运行目标应用程序软件,有大量的活动,发生在你的织物1和0,在你的公共汽车,在你的界面,和收集所有的数据字节,字节,如果不是更大。你做什么工作的?”

答案越来越多地涉及大数据技术。

模拟/混合信号和数据挖掘
数据挖掘是进入重点模拟/混合信号设计。

“现在好几年,节奏一直在努力在这个问题上,它已经成为一个问题的原因是双重的,”史蒂文·刘易斯说,营销总监节奏。”一个,当然从自定义定制的设计空间,无论是数字或者模拟在某种程度上,工程团队已经将超级先进的节点,任何低于16 nm,晶体管的吨位,他们正在考虑和计算,需要做意味着数据库一直呈指数级增长。我们已经从兆字节几百千兆字节的数据,设计团队开始商店。设计师的态度似乎是,“如果我可以运行它,如果我能保存数据,我将这样做,“只有当他们开始达到最大,一个工程师可能会后退一点,试着成为更有选择性他们要保存到数据库。”

高级节点加剧了问题的严重性。分析高频射频信号的技术比常规模拟,更具挑战性,因为信号的速度产生更多的点,必须分析,刘易斯说。

“如果你有千兆赫的信号,你想找单身赫兹内部噪声数据,能够穿过整个波形数据库找到这些实例——这就是数据挖掘发挥作用,”他解释道。“传统的方法是把数据加载到波形窗口或数据计算环境,然后开始处理它。工作了一段时间,但是我们已经开始了限制。最大的头痛,工程师发现验证阶段的时候不会是正确的。也许他们正在面对一个非常困难的步骤。也许他们没有投入足够缓冲设计为了解决内部。你作为一名工程师将返回并修复它。”

在验证阶段,大部分的电路完成很多布局完成。设计工程师可以做什么?

“你不能进去做批发改变因为你会被重建整个设计,”刘易斯说。“一个工程团队将寻找弱点。他们要到最好的点。这是一些晶体管是罪魁祸首吗?它是一个小块或一块的一部分是罪魁祸首?整个设计而不必沮丧,我需要一个视图。我可以使用数据挖掘技术。我可能会问数据库来寻找这个条件,这个条件。当他们正在发生,在这一个信号告诉我发生了什么。在这个街区告诉我发生了什么,在这个晶体管,因为有时可以帮助工程师做一个外科手术式打击在验证阶段和修复。 Realistically, if you don’t want your schedule to go to out the window during verification, you need to be looking for the surgical strike. You cannot be doing wholesale block changing at that point. Using more sophisticated data mining techniques allows me actually to save time. Yes, I’ve got a bigger database to work on. Yes, I’ve got to put aside more memory to deal with it. Yes, I’ve got a longer simulation to do. But once I’ve got that data, this lets us slice and dice it, and now I have a realistic way of doing that.”

结论
无论是射频设计验证、数字设计和验证,网络芯片架构,在无数其他SoC设计和验证任务,数据挖掘正成为一个重要的工具在系统级设计。

这仍然是一个新兴的领域,但NetSpeed莫汉达斯·相信会让它可持续是当数据和洞察力可以转化为行动,这就是当事情真的会回升。“最终的市场数据挖掘将起飞Fitbit和苹果一样的手表——当他们找出如何激发行动。一旦你打开数据洞察行动,那么事情会起飞,”莫汉达斯·总结道。

有关的故事
提高产量、可靠性数据
异常值检测获得注意力的方法提高测试和制造方法。
数据的价值上升
比赛开始找出别的可以用的数据。但并不是所有的数据都是有用的,有些是错误的。
面对制造业数据
问题仍然对如何处理数据的爆炸,谁有权访问,但变化是在地平线上。
车轮上的大数据
随着汽车的芯片市场的增长,那么大量的传感器数据需要处理。