接下来会是什么驱动程序验证的生产率增长?
2015年6月,我写了博客”对一个度量来衡量验证计算效率”,介绍了我们现在是指在节奏的“生产力轮”验证payloads-the序列“构建”、“分配”、“运行”和“调试”项目期间重复成千上万次。这意味着建立钯Z1平台的推出同年晚些时候,和我们现在构建最直接借助硬件验证和改进的软件开发在这四个轴。
验证生产力轮
原则是适用于所有验证引擎,远远超出纯仿真,和2019年思考验证趋势,总体验证吞吐量可能是关键的共同特征,我们可以预期显著增长和改进。
回顾我的2018年的预测我确定了五个关键趋势推动验证:安全,安全,应用程序特异性,处理器的生态系统和系统设计实现,所有围绕生态系统。现在回想起来一年快结束了,关键验证强调,2018年发生的确实适合我有了这五个类别2018年验证反射。一些例外适用和惊喜。
这些会消失?不。他们将会加剧。特别是处理器生态系统部分,我把一个额外的批爆米花,因为它是有趣的手表。和安全、安全与应用特异性仍将是主要驱动力5克,AI / ML,服务器和汽车领域将决定非常具体的要求。
所以,值得更深入地寻找2019年验证吞吐量和理解,在引擎正式、模拟、仿真和原型,所有通过验证连接结构,是来自“引擎盖下”。它可以归结为四个方面:可伸缩的性能,容量的包括云计算实现,聪明的bug狩猎和多层次的抽象。
为可伸缩的性能的动态执行引擎,在2018年我们已经看到更快的单核和多核的扩散模拟,后者对门电路级和DFT尤其有效。模拟配借助硬件处理器的仿真和fpga原型引擎,与速度进一步扩展。比例发生了从基于x86武装服务器模拟处理器的fpga。2019年将会看到所有这些引擎核心性能的改善,但也更加智能引擎之间的连接和平衡我们见过的。用户将越来越多地受到的位置验证载荷实际执行。能等到下周一吗?模拟会没事的,安排优先级作业将被推到模拟。我需要结果在未来24小时内确认修复了一些回归失败?我们获得更好地模拟或原型资源。
容量的验证工作是通过利用大规模并行性无处不在。为模拟我们看到从单核、多核扩展,增加货架emulation-our处理器仿真系统现在运行46亿门设计单片几家客户的添加对fpga原型的董事会。需要创新的新方法原型来克服传统的原型系统,速度限制只是通过电缆连接。当然,所有这些可伸缩性延伸到云与更多的服务器添加更多的并行仿真,模拟峰值容量被添加到使更多的并行执行紧缩的时候,等等。
聪明的bug狩猎由两部分组成:聪明的调试信息的集合以及组合正式与验证IP技术,性能分析和其他优化的时间修复缺陷。数据收集方面包括触发数据收集更加智能和优化类型的数据被收集。不可行,原因是人们收集的所有数据,并决定哪些数据看后我们讨论10年代到100年代的gb每秒这里聪明对数据收集是关键。由于大量的数据处理,这方面给了自己一个非常好的利用机器学习和人工智能技术。合作伙伴如臂的上下文中谈到这方面加速覆盖关闭,等等。
多层次的抽象一直在讨论虚拟平台的上下文混合动力车持续很长一段时间。这也跨越不同的引擎。的核心,所有组件的时间的一个系统,系统芯片或子系统,可在同一抽象level-gate, RTL或TLM-is实际上相当短。实用性,为一个特定的时间在一个项目中,部分的设计将提供TLM RTL尚未发达,其他人则在RTL和可以模拟或原型,其他人可能会只可作为硅和“仿真模型”可能不可用。除了虚拟平台混合动力车,真的打算让左移位的软件开发,多层次的抽象还用于低功耗分析(RTL和门)和混合信号仿真(香料、实数模型等)。因此,多层次的抽象是朝着我们称之为系统设计Enablement-eventually处理系统的系统。与软件、电源和模拟的关键方面的发展和重要了,多层次的抽象在2019年将变得更加重要。
忠于我最喜欢威廉·吉布森报价”,未来已经在这里,它只是不均匀分布”,我们已经看到这一切在2018年的一些例子。亮点是例如三星的介绍在仿真作业调度在CDNLive,MicroSemi(现在芯片)的平衡FPGA和仿真的方法他们的需求,NVIDIA的方法扩展到“按钮原型”从钯Z1氕S1以及手臂的和Vayavya的介绍虚拟与仿真平台混合动力车DAC。我们可以预期的速度和改进这四个领域去接2019年相当显著。
激动人心的时刻吧!
|
|
|
|
|
|
|
|
|
留下一个回复