加速設計週期　EDA導入機器學習

搜索最新SoC解决方案
关于汽车电子...物联网...安全...音频...视频

設計上的挑戰與設計的規模成正比；IC的規模正迅速的增長，但是IC設計工程師的人員數量卻無法跟進。因此，設計上的挑戰正以比線性更大的指數率增長，代表生產力上的淨損失與日俱增...

www.eettaiwan.com, Jul. 16, 2020 – 

人工智慧(AI)及機器學習(ML)的形式千變萬化，但均重視結果。若執行一件事有明確的「正確做法」及「錯誤做法」，那麼AI就是展現遵循該「正確做法」的能力。更確切的形容，採用AI的系統必須能自行達成目標，並隨著時間演練成果越來越好。

AI的理想任務是協助執行電子設計自動化(EDA)工作。積體電路(IC)的複雜性意謂著「可能需經評估的設計迭代數量持續增加」，但其規律性代表「運作良好的設計規則可對設計中的大部分產生巨大的正面影響」。藉由AI及ML，則可透過更精簡的迭代步驟從「或許」進化到「確定」，來提高自動化流程中的生產力。

為什麼我們需要ML？為什麼是現在？

就EDA而言，「結果」代表一切。該產業處於不斷發展以加快設計過程的狀態。隨著半導體製程微縮日益困難，IC也相對變得更加複雜，並且，正如任何設計工程師所理解的那樣，複雜度延長設計週期，無論是離散元件還是積體電晶體，任何種類的設計皆如此。所幸對IC設計工程師而言，電晶體層級開發的過程遵循特別嚴格且相對可預測的規則。複雜性是因為設計參數之間是相互依賴的，而這些依賴關係的所有組合造成的迭代最終將耗盡，並增長設計時間。

点击阅读更多

 Back