了太多的数据

移动到下一个流程节点将产生数量更多的数据,迫使芯片制造商采取更加昂贵的硬件处理和利用这些数据,更多的端到端方法,以及使用的工具和方法,在过去经常被认为是可选的。

此外,数据需要处理也在变化,公司采用“左移位”的方法来开发软件,并验证和调试芯片。现在必须考虑设计流程的更早。但结合的晶体管数量的增加和复杂知识产权块,更多的设计规则,多模式,甚至更多的标准,装备的组织发现自己游泳,有时会淹没在数据。

所有这一切使得它难以优化芯片性能和权力,以及确保足够的角情况下都包含有信心,设计将按计划进行,它将执行可靠,它可以生产足够的收益。

体系结构
这个数据爆炸从设计过程的一端延伸到另一端,除此之外,并且它影响芯片设计的方方面面。建筑师使用能够可视化功能需要包括什么,然后他们的规格交给设计师。现在有很多选择,规则和注意事项,许多工程师问题新芯片是否工作,特别是当谈到ECOs新流程和晶体管类型,集成更多的IP从更多的渠道。之前经常导致恐慌的调试和验收和额外的成本验证,所以芯片做功能正确,但这种方法并不总是产生最优的结果。

“优化设计,架构师必须知道他们想要什么,”库尔特·舒勒说,负责营销的副总裁Arteris。“但这是成为一个真正的熊因为他们有越来越多的数据,每个节点在每个新节点越来越多的图书馆。”

这是尤其明显,因为芯片制造商从同构多核处理转移到异构核心,以减少电力和裁减芯片的资源以满足特定的应用程序。“当我们进入异构计算,你创建数据基于一个读或写,但是你处理10一致性消息说,“数据在哪里?你有更多的读、写和负载商店,和更多的元数据上面。这就是真正的复杂性。如果数据不一致,那么你的风险读脏数据,如果它是正确的。”

设计本身是一个挑战。优化在涨潮的数据是一个更大的问题。

说:“自动化是这里的关键,公司的首席执行官NetSpeed系统。“人们善于分析在某种程度上,但是如果有太多的数据他们犯错误。我们需要算法和机器学习。现在我们使用的判断和打电话。我们需要这每一步。你必须做出明智的决定使用哪个IP块以及如何把它们放在一起。你不想要一个强大的处理引擎弱内存控制器。每样东西都要匹配,但与太多的约束优化。”

常常会导致保险设计,会对性能产生负面影响,权力,以及区域。

“与遗留的设计,这是所有电子表格。你可以调整它们,甚至还有很多失误的余地,”Mitra说道。“异质性杀死你。增量变化会有连锁反应。”

甚至还生产导致更多的数据,进而导致需要更高级别的抽象和自动化。但还有一个问题在这里。不是所有的数据都在相同的格式,使抽象的数据模型有问题。

“有限使用的模型,如果你不能把数据,”比尔Neifert说模型技术主管手臂。“这取决于数据的格式。我们需要模型和打开它们,这样每个人都可以使用它们,但是没有标准格式定义或访问数据。”

Neifert指出这是谷歌的原因开始提供的api与所有新服务。而不是试图定义本身的一切,它寻求来自用户的输入类似于目前的开源社区。“他们可能不知道的所有不同的方法可以使用它,”他说。

实现
怎么没在设计流程自动化应用在不同的领域并不总是清楚,不过,尤其是需要考虑更多的事情在同一时间。这基本上是一个大数据问题,但是有很多的尺寸和依赖关系。

“当然有很多而且相应的大肆宣传的大数据,事实是,这不是一个简单的适用于芯片设计,”约翰。李说,总经理和副总裁有限元分析软件。“最简单的适合大数据就是我所说的日志文件。很容易获取日志文件和报告文件从EDA工具,和处理结果,如跟踪侵犯刚果民主共和国或时间融合多个团体和项目。但这个应用程序相对较低价值客户和通常可以没有真正的大数据架构。越适合做大数据处理的。在客户方面,可操作的手段,从根本上提高了性能,成本和可靠性。可操作的数据需要多域分析。”

这将包括等领域权力的完整性,时机、路由和可靠性分析。

“当你映射出来,多域分析要求你做一个严肃的科学计算,如逻辑/计时图遍历矩阵电路的解决方案,几何搜索,“李解释道。“所以大数据还需要“大计算。但大计算完成,客户可以负担得起。”

验证和调试
负担得起的是一个相对的概念,通常定义为特定市场,有时对同一市场在不同的时间。成熟的智能手机市场,例如,将是更注重在设计一个上升的市场,可以利用一个数以十亿美元计的设计单位。同样,数据中心的设备可能对价格较敏感的如果没有任务关键型应用程序中,和一个汽车芯片可能有更多的感知价值如果是用于一个独特的竞争优势,而不是一个有更多的竞争。

这直接关系到公司愿意支付工具芯片出了门,这就是为什么公司通常使用的混合模拟,模拟和FPGA原型验证他们的设计,而不是只购买模拟器。但随着数据量的继续上升,他们也认识到技术需要应用更有效的和有效的,无论多么资源丰富的工程组织。

“面临的挑战是如何验证的环境使用,“让-玛丽•深色说,营销总监导师图形”仿真。“这是相同的脚本环境,但该验证动态应用程序的上下文中。它与权力的没有什么不同。你验证上下文中的权力是如何使用的。”

这是比听起来要难,因为要实现这一点,需要处理大量的数据在设计周期的早期。“在网络基础设施,你必须看看交通运行通过一个交换机或路由器,”深色说。“Post-silicon是太迟了。它必须是pre-silicon模拟或仿真。”

独立模拟Lauro Rizzatti顾问,对此表示赞同。“嵌入式软件与硬件设计组合创建大型数据集,需要大量验证资源分析和调试,”他说。“硬件仿真调试大数据的能力,包括嵌入式软件,当其他不能验证工具。它提供了一个精确的表征硅之前设计的可用性,因为它是基于一个实际的硅的实现。今天,处理器与嵌入式图形和网络芯片方法10亿ASIC-equivalent盖茨。再加上验证周期的嵌入式软件,要求数十亿进行详尽的测试。这个设置会导致大量的数据需要筛选和分析。”

这是一片。形式验证是随着数据量的增长,越来越流行。长期忽视,误解,或没有得到充分利用,正式成为验证资源的高效使用。

“验证与大数据一直是一个问题,”戴夫Kelf说,负责营销的副总裁OneSpin解决方案。“工程师获取大量的数据,他们没有时间去经历这一切。如果一个芯片规模翻倍,有大量的新数据。现在生理效应进入验证。”

Kelf说,正式的基本上是一个巨大的数据库,以及安全问题变得更加明显,生产自己的正在使用的合适的卷之间的过渡状态,可用于边信道攻击。“你在做什么是特征通过一个设备信息的传播。也有一个秘密密钥,可以传播,通过一个设备在每个信号经过的关键。正式的工具数据。这是大数据。你所做的是直接监控的路径。它就像一个大的过滤器。机器是强大到足以处理这件事,和大数据保存在数据库中。”

结论
是否可以避免这类问题首先是有争议的。正确的建设多年来一直认为,支持者的原因之一有一个爆炸的数据和需要验证,设计方法是有缺陷的。

“人们试图寻找针在干草堆,”说,公司的首席执行官Agnisys。“为什么把针放在那里呢?例如,调试通过破译信息从一个大消息的日志可以避免整个调试步骤消除如果适当的specification-driven方法论是跟着。”

无论多么好的设计方法和执行,但是,毫无疑问,的数据量需要考虑的设计团队正在上升。可能会有更少的在一个完美的设计,但将会有更多的在每一个新节点。虽然这在短期内有利于工具提供商,更大的问题是一些这些数据是否可以通过其他手段,更有效地处理平台等子系统,先进的离散元素的包装,和改革的一些竖井内芯片制造商处理数据在不同的点在设计流程。

不过,挑战不是处理所有的数据的能力。问题是如何更有效地使用所有这些数据,忽略不重要的一部分设计虽然理解它可能有用的其他地方。异构多核的推动,例如,有意义的性能和权力,但是它有一个有一个乘法效应的数量可能需要测试基于RTL-derived模型。

说:“这一切都需要测试臂Neifert。“所以我们可以自动生成模型,我们可以确定看什么。但是当你得到更多的数据之间的问题是你画的线需要进一步分析和什么不。并不是每一个用户想要做同样的方式。有时这可以通过细分市场不同。它取决于技能的设计师和客户的反馈。在某些情况下,他们想让所有的数据和提出他们自己的插件”。

事实上,我们需要的是一个全面的理解产生的所有数据,以及它如何可以用于最大有效性以及由谁在什么时候。这相当于架构芯片设计背后的数据,到目前为止,还没有人成功地做到了。

有关的故事
SoC集成头痛成长

完全覆盖或全部蒙蒂吗?是时候接受大数据并将它告诉我们,我们太多的验证吗?