由于半導(dǎo)體設(shè)計的復(fù)雜性、規(guī)模和任務(wù)關(guān)鍵型操作的增加,集成電路驗證要求也隨之大幅擴展。
對于SPICE 級別的驗證,ML 方法提供了一種強大的手段來克服傳統(tǒng)暴力窮舉蒙特卡羅方法的局限性。
除了以大幅縮短的運行時間實現(xiàn) SPICE 驗證之外,還有幾個主要因素決定了 ML 解決方案是否可以投入生產(chǎn):可驗證性、準確性、通用性、穩(wěn)健性和可用性。
ML 解決方案可以分為 0 級(無 ML)到 4 級(完全產(chǎn)品級就緒)。
為實現(xiàn)更高級別的 ML 能力,所需要的研發(fā)工作量和生產(chǎn)測試相比前一個級別呈指數(shù)式增加。
圖 1. 采用 Solido 機器學習的 3 級 ML 能力。
支持 ML 的解決方案 Solido High-Sigma Verifier 是Solido Variation Designer 的一部分,能夠以少幾個數(shù)量級的仿真運行時間提供與完全暴力窮舉法一樣準確的 4、5、6+ sigma 驗證結(jié)果。
High-Sigma Verifier 使設(shè)計和驗證團隊能夠提高驗證精度和覆蓋率,同時顯著縮短設(shè)計計劃時間。
High-Sigma Verifier 是 3 級 ML 算法設(shè)計的一個例子,通過大規(guī)模生產(chǎn)使用和迭代改進,它正在迅速接近 4 級。
審核編輯:劉清
-
集成電路
+關(guān)注
關(guān)注
5423文章
12041瀏覽量
368312 -
半導(dǎo)體
+關(guān)注
關(guān)注
335文章
28880瀏覽量
237361 -
機器學習
+關(guān)注
關(guān)注
66文章
8501瀏覽量
134559
原文標題:在用于 IC 驗證的產(chǎn)品級工程解決方案中使用機器學習 (ML) 方法
文章出處:【微信號:Mentor明導(dǎo),微信公眾號:西門子EDA】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
IC驗證"為什么要學習UVM呢"
在碼云/Github/CSDN上收藏的嵌入式產(chǎn)品級項目分享
什么是機器學習? 機器學習基礎(chǔ)入門
NanoEdgeAIStudio機器學習(ML)技術(shù)相關(guān)資料介紹
怎樣在iOS機器學習框架Core ML

機器學習43條軍規(guī):關(guān)于機器學習(ML)工程的最佳實踐文檔
機器學習準入門檻降低,機器學習工程師職位或?qū)⑾?/a>
產(chǎn)品級架構(gòu)驗證是設(shè)計的詳細流程介紹

物聯(lián)網(wǎng)結(jié)合機器學習(ML)的應(yīng)用場景
使用支持機器學習的Xcelium能夠?qū)崿F(xiàn)高達5倍的驗證效率

解讀芯片驗證中的機器學習技術(shù)

機器學習中的交叉驗證方法
Raspberry Pi Pico 2 上實現(xiàn):實時機器學習(ML)音頻噪音抑制功能

評論