不久前,機(jī)器學(xué)習(xí)(ML)似乎是一個引人入勝的研究課題。然而,很快,它就從一個遙遠(yuǎn)的世界迅速過渡到新聞、廣告牌、工作場所和家庭中的普遍存在。這個概念本身并不新鮮,但顯然導(dǎo)致它起飛的是許多應(yīng)用程序中數(shù)據(jù)的快速增長和更多的計算能力。在離家更近的地方,在我們自己的EDA和IC設(shè)計世界中,對ML的潛力也有類似的興奮。期望很高,但關(guān)鍵問題是:ML有哪些有意義的機(jī)會以及采用提高設(shè)計師生產(chǎn)力的實用方法?
EDA 中有幾個明顯的領(lǐng)域可以從 ML 中受益,包括建模、寄生提取、路由和良率分析。然而,對于所有設(shè)計人員來說,一個日益嚴(yán)峻的挑戰(zhàn)領(lǐng)域是滿足最重要的功耗、性能和面積 (PPA) 目標(biāo),這是應(yīng)用基于 ML 的優(yōu)化的理想候選者。由于更多功能、高級流程、變化和更多操作場景,設(shè)計的復(fù)雜性不斷增加,導(dǎo)致設(shè)計收斂的工程變更單 (ECO) 流變得更加數(shù)據(jù)密集和耗時。隨著工藝技術(shù)發(fā)展到5nm及以下,這變得特別具有挑戰(zhàn)性。
時序一直是ECO周期中的主要關(guān)注點,但功率已成為在高級節(jié)點上實現(xiàn)成功簽核的同樣重要的標(biāo)準(zhǔn)。然而,時序和功耗優(yōu)化是相互矛盾的挑戰(zhàn),例如,通過調(diào)整電池尺寸來減少延遲會增加動態(tài)和漏功耗,反之亦然。在執(zhí)行功耗優(yōu)化時,設(shè)計人員通常使用基于路徑的分析(PBA)和參數(shù)片上變化(POCV)等降低悲觀技術(shù)來提高精度,并在“所有工作模式”中驗證“所有工藝、電壓和溫度(PVT)拐角”,以實現(xiàn)最佳的PPA結(jié)果,但代價是運行時間很長。運行時問題在較新的節(jié)點(例如 5nm)上加劇,具有更多優(yōu)化變量,包括更嚴(yán)格的間距規(guī)則、涵蓋廣泛性能/功率譜的更多庫單元選項以及用于全芯片簽核的數(shù)百種操作場景。
機(jī)器學(xué)習(xí)是醫(yī)生訂購的公式,用于圍繞 ECO 功率優(yōu)化的復(fù)雜響樂。最常見的 ML 方法包括以下步驟:構(gòu)建數(shù)據(jù)庫、訓(xùn)練算法、創(chuàng)建模型以及預(yù)測新輸入數(shù)據(jù)的結(jié)果。在功率優(yōu)化的情況下,這意味著從ECO觀測數(shù)據(jù)中學(xué)習(xí),并對功率回收選擇做出快速準(zhǔn)確的預(yù)測,而無需昂貴的計算,例如,從200個具有不同時序、功率和其他復(fù)雜特性的候選庫單元中挑選最佳的替代單元進(jìn)行小型化。
盡管跨設(shè)計類型和過程節(jié)點收集大量數(shù)據(jù)聽起來對改善模型結(jié)果很有吸引力,但這并不是一件容易的事,并且可能不需要實現(xiàn)所需的結(jié)果質(zhì)量 (QoR)。大多數(shù)設(shè)計決策僅在其空間或時間接近設(shè)計體系結(jié)構(gòu)和版本的上下文中相關(guān);因此,基于不相關(guān)設(shè)計點的訓(xùn)練數(shù)據(jù)可能不會提高 QoR。另一種實用的 ML 方法是“主動學(xué)習(xí)”,它與優(yōu)化引擎即時交互,以基于本地設(shè)計數(shù)據(jù)構(gòu)建相關(guān)的學(xué)習(xí)模型。這大大簡化了實現(xiàn)簽核 PPA 的優(yōu)化路徑,具有更快的周轉(zhuǎn)時間和更少的資源開銷,為采用提供了強(qiáng)大的動力。
Synopsys PrimeTime 套件被廣泛認(rèn)為是定時和功耗 ECO 和簽核的標(biāo)準(zhǔn)。它在廣泛的應(yīng)用程序設(shè)計和工藝節(jié)點方面的廣泛使用經(jīng)驗使其能夠更有效地應(yīng)對設(shè)計收斂中日益增長的PPA挑戰(zhàn),同時提供先進(jìn)的生產(chǎn)力和資源效率技術(shù),包括機(jī)器學(xué)習(xí)。
機(jī)器學(xué)習(xí)的興奮確實是有道理的。它顯然有可能為 EDA 和設(shè)計帶來重大價值,特別是對于耗時的 ECO 優(yōu)化步驟,以提高生產(chǎn)力并實現(xiàn)目標(biāo) PPA。主動式 ML 方法提供了一種有效的實用方法,使設(shè)計人員能夠輕松地將該技術(shù)整合到他們的設(shè)計流程中,并以更智能的方式重新獲得其功能。
審核編輯:郭婷
-
IC
+關(guān)注
關(guān)注
36文章
6090瀏覽量
178253 -
eda
+關(guān)注
關(guān)注
71文章
2872瀏覽量
176316 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8488瀏覽量
134010
發(fā)布評論請先 登錄
機(jī)器學(xué)習(xí)訓(xùn)練秘籍——吳恩達(dá)
得力碎紙機(jī)維修常見故障及解決辦法
什么是機(jī)器學(xué)習(xí)? 機(jī)器學(xué)習(xí)基礎(chǔ)入門
量子計算與量子機(jī)器學(xué)習(xí)的解析
機(jī)器學(xué)習(xí)獲得2.2倍性能提升
Xilinx FPGA如何通過深度學(xué)習(xí)圖像分類加速機(jī)器學(xué)習(xí)
Xilinx如何通過機(jī)器學(xué)習(xí)加速實時高清視頻的應(yīng)用
通過Python就能讀懂機(jī)器學(xué)習(xí)

人工智能和機(jī)器學(xué)習(xí)的力量
通過GPU加速機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有什么區(qū)別?

通過機(jī)器學(xué)習(xí)發(fā)現(xiàn)規(guī)則
機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別
機(jī)器學(xué)習(xí)有哪些算法?機(jī)器學(xué)習(xí)分類算法有哪些?機(jī)器學(xué)習(xí)預(yù)判有哪些算法?
什么是機(jī)器學(xué)習(xí)?通過機(jī)器學(xué)習(xí)方法能解決哪些問題?

評論