中文 英语

模型的麻烦

抽象在7nm及以后变得更加困难,但并不总是明确哪些或为什么。

人气

模型变得越来越难以开发,整合和利用10/7nm,而超出设计复杂性,过程变化和物理效果增加到需要考虑的变量数量。

建模是一种抽象半导体设计各个部分的复杂性的方式,复杂SOC需要数十种模型。有些人与特定的IP块相关联,而其他系统则是整个系统的抽象。还有模型是轻质和非常快的,例如用于在复杂的设计中模拟热量的那些,或者用于确定哪种架构方法可以提高性能的那些。模型也可以是循环准确的,这意味着它们是特定功能的直接表示甚至整个芯片。

问题是,在7nm多电源域中有很多情况,泄漏和热量,rc延迟,大量可能用例的物理效果,以及各种各样的变化 - 所以并非所有型号都同样适用。也许更令人困惑,并非所有模型都同样适合在一起。

“最大的挑战在于先进节点上的先进电路,”巴克莱首席技术官奥利弗•金(Oliver King)表示Moortec.。“准确性是一个相对的术语。如果你取一个设备的模型,它可能对某些元素是准确的。但同一款机型可能对另一个在设备不同部分工作的人没有用处。”

在每个新节点上都有一些根本性的变化,这些变化极大地削弱了某些类型的模型的价值,而让其他模型一如既往地具有相关性。所以在28nm及以上,它足以模拟电感,以确定信号将如何通过一个设备。这种情况在16/14nm处开始改变,在10/7nm处则完全改变,在那里各种类型的噪声——功率、热、电磁干扰——是更大的问题。

“你现在需要重新验证模型,”营销副总裁Magdy Abadir说螺旋桨。“在28nm波长下,电磁串扰甚至都没有出现在任何人的雷达上,但我们在finfet中看到了它。问题是它可能通过也可能不通过基质。电磁波可以以许多神秘的方式移动。你是如何建立模型的?”

还有其他问题。模型倾向于识别有关的作用以及没有什么,但并非所有模型都经常更新,以捕获所有这些更改。在复杂的设备中,甚至可能甚至没有出现问题,直到设备在市场上使用。

“通过高级节点没有大量数据,因此您基本上必须制作自己的数据,”营销副总裁Mike Gianfagna说eSilicon。“我们在SPICE等较低层次的模型中尤其看到了这种情况。你做一个设计,你得到测量数据然后把它发送到fab,当你取回它的时候处理器并不是SPICE模型说的那样。然后讨论如何修复它,要么创建新的模型,要么重新围绕设计。在28nm及以上,这不是问题。fab的1.0 PDK被认为是黄金标准。低于这个数字,就没那么容易了。”


图1:芯片热模型。来源:ANSYS.


不同类型的模型

设计流程中几乎所有内容都有型号,从IP块到安全性和故障预测性。

“每种类型的模型都有自己的优势,”应用工程高级经理Tim Kogel说Synopsys对此。“有软件模型,但现在电源管理被拖入软件中。还存在系统级模型,电源模型和不同仿真模型,具有更多功能细节。每个人都面临的一个挑战是弄清楚使用哪种模型以及投资创造这些模型的模型。然后存在混合和匹配模型的问题。“

一般来说,基于最新和一致数据的模型效果最好。模型的好坏取决于用来创建它的数据。

“如果产品不断变化,则难以建立一个型号,”迈克尔·舒勒德德尔(CTO)说最佳+。“如果你有高运行、长期的产品,模型就无法理解和预测这些变化。最后,没有什么灵丹妙药能找出所有可能出错的地方。你不可能运行所有可能的场景并捕捉所有变量。”

随着变量的数量也增加,它变得更糟。包括用例,与系统和安全漏洞中的其他IP块或芯片的交互。需要不断更新这些模型的增加,但是出现了一些东西的风险也是如此。

随着模型尺寸的增加,它再次变得更糟。“如果您正在查看整个SOC,那就是建模真的变得棘手的地方,因为现在它与芯片,包装和董事会互动,”应用工程师的主任Arvind Vele表示ansys.。“它跨越三个不同的域名。然后你可以加入时间。时间依赖于电力的东西的建模非常复杂。“

在系统级别,这很快就会变得很麻烦。例如,要捕获Android手机的启动过程,就需要对整个系统进行建模,这是一项庞大的任务。

“每种型号都有自己固有的缺点,”韦斯说。“每个系统的热时间常数都不同。对于手机,您通常会查看毫秒的性能,但实际上需要几秒钟才能达到稳定状态。“

建模与暴力方法
结果是模型正在以各种方式使用 - 而不是任何一切。

例如,ARM返回循环准确和快速模型,用于分析嵌入式处理器如何在复杂的设计中工作。该公司的方法认识到两个周期准确模型的利弊,忠实地重现了完整的功能,但对于许多系统级任务以及功能较好但缺乏正确的总线时序,这太慢了。

该公司市场开发高级总监比尔•内费特(Bill Neifert)表示:“人们总是渴望更快的东西。手臂。“当你以更快的速度交付产品时,客户也希望它同样更快。没有人愿意牺牲指令集执行的功能准确性,因为没有它,设备就无法工作。但如果您只是在编写应用程序软件,您可能希望为了速度而牺牲某些特性,而轻量级模型正是对此的回应。您将无法提出一个体系结构决策,也无法看到其他更低级别的活动,如缓存或基于这些活动的安全性。所以你可以加速执行,但不能代表实际的IP将做什么。为了忠实地表示所有的IP行为,轻量级模型是不行的,对于精确的总线循环,需要升级到精确的循环模型。”

尽管如此,保持准确性和连续改进需要勤奋。“这是一个持续的一体化,因为您想看看您的初始假设是否持有,”产品管理和营销总监Frank Schirremeister表示韵律。“有时蛮力技术是抽象的替代方案。通过仿真,您可以实时运行一秒或一分钟,而且根本不必抽出数据。这在硬件启动时特别有用,其中极端并行性可能具有竞争力。“

这也是事情变得非常模糊的地方。Synopsys的研发高级经理Bart Vanthournout说,公司经常询问是否要使用蛮力方法进行仿真或模拟,或者是否要在模型中使用抽象。

Vanthournout说:“我们发现,我们需要培训用户,让他们知道应该建模什么,更重要的是,不应该建模什么。”“这都是关于速度和保真度。在保真度方面,模型需要提供哪些功能?你能用FPGA原型在仿真中运行什么?如果所有用例都在RTL或FPGA加速器上,那么组合用例通常是有价值的。您可以加速这一过程,例如,将主机处理器放在模拟器中,其余的放在模拟器中。但是你用它做什么呢?”

没有适合所有设计的单一答案。现实情况是,无论芯片制造商采取什么路线,都需要额外的工作。

Cadence的Schirrmeister说:“关键是不断改进。“这是持续集成。你想看看初始假设是否成立。但你还需要更多的数据和更精确的模型来平衡你的假设。”

安全关键模型
这里有一个大的未知是模型如何在汽车等市场中的票价,安全性和安全要求取决于准确性。

“这一问题是退化建模,”设计方法部门负责人罗兰·朱克说弗劳恩霍夫东亚峰会。“这取决于电负载,热负荷和机械负载。你如何占振动?如果将PCB放入汽车中,只有几种方法可以验证。并且随着外部机械压力,它可能不再有效。此外,存在产生噪音的关键部件。您需要模拟电路中的交叉耦合。“

这是在模拟世界之外很少被理解的东西,更不用说在汽车市场。但由于绝缘层较薄,电线和相同或更高的时钟频率,它已经越过10 / 7nm及更远的数字世界。

“我们发现公司现在正在努力与Finfet模型的复杂性,”Moortec的King说。“这曾经是模拟设计师担心的东西,因为模拟建模永远不会很好。纯模拟的概念在这些节点上长时间消失,因为许多IP供应商正在使用7nm时使用数字功率。但是因为过程变化是解耦的,所以传统的模拟电路方法没有稳定。因此,对于模拟部分,您仍然可以做蒙特卡罗模型。但对于时间来说,你在一个过程角落和另一个时钟做了一个时钟树。“

这很难建模,这也是高级节点出现的问题之一。这也使得其他设计团队成员很难利用这些模型,因为它们不能与为设计创建的其他模型相匹配。

“这变成了一场整合噩梦,”库尔特舒勒说,营销副总裁动脉率。“每个模型都必须处于正确的抽象级别。在拥有足够的数据和从模型中剥离过多的数据(这会使模型变得无用)之间,你必须做出很大的权衡。这里有三件事需要考虑。一个是模型的速度。第二个是抽象,它反映了它给你多少数据。第三是模型的可见性。因此,该模型比RTL提供更多的能见度,但如果速度、能见度和精度不合适,它就没有用处。”

最重要的是,它变得越来越难以判断什么是有用的,因为它因节点,项目和市场而异。这些日子里有这么多的新市场,这并不完全清楚这些市场中的关键因素,因为几乎没有任何可用的数据来基于其中一些模型。

“我们看到了越来越多的细分市场,”营销和业务发展副总裁Anush Mohandass说NetSpeed系统。“想想汽车、超大规模存储和5G。这些都是新兴市场,几乎没有留下什么遗产。”

基于历史数据的模型往往更准确。但是历史数据并不一定适用于新节点,因为一些物理效应现在也成为了一阶问题。“一旦你有了所有的寄生虫,你就可以创造出更好的模型,”Helic的Abadir说。串扰、功率、定时和热都依赖于寄生和模型。但模型是在假设的基础上发展起来的,其中一些假设是在20世纪90年代发展起来的。如今,一些正在建造的模型仍在使用这些技术。”

这可能会导致任何设计中的问题,但在安全关键市场中尤其有问题,其中模型需要在某种程度上绑定到实际实现。

Neifert说:“在这种情况下,需要一个来自实际实施的精确周期模型。”“软件内容也在增加,所以虚拟模型在这方面的作用越来越大。在许多情况下,这是一种正在实施的新方法。由于过去与汽车相关的设计周期,他们可以从容地完成任务,但软件内容却少得多。这是我们第一次看到soc和一些汽车功能的处理任务,这需要一个全新的建模水平。”

在这一点上似乎有相当多的共识,但具体如何实施还不完全清楚。该公司产品营销经理马克•奥伦(Mark Olen)表示:“多年前,我们就放弃了高度精确的故障模拟,因为虽然它只设计了数千个闸门,但面对数百万或数亿个闸门,它变得笨拙不堪。导师,西门子的业务。“根据定义,模型不再如此准确,当我们运行测试时,我们假设它们主要是正确的施工。如果你删除手机电话,那就是没问题。如果它导致汽车发生事故是不可能的。“

克拉说,便携式刺激在这方面可能有帮助——特别是这个标准中不太为人所知的部分。虽然PSS的主要关注点是在模拟器上重用IP块的刺激,但它还包括一种跨更大范围的规范智能解决问题的方法。随着它生成更多的测试用例,它提供了一种数学方法来跟踪之前做了什么。它也可以适应,因为当它遍历规范时,它可以了解任何时间点可用的资源,并根据dma(直接内存访问引擎)的数量、中断或可访问的内存数量做出更改。”

结论
将此全部放在一起,确定模型工作,何时以及如何使用它们以及如何互相处理的型号更难。Mentor的产品营销总监Joe Davis表示,DFM模型一直能够处理更多的角落和复杂性的复杂性。但是,铸造厂的大优势是共享数据超过过去的数据。“好的模特不一定是最难的部分。戴维斯说,它正在提出设计团队可以使用的模型。

在设计的其他部分中,用于创建模型的数据要弱得多,在最先进的流程节点上尤其如此。更糟糕的是,设计的竖井性质倾向于为特定目的创建模型,而不考虑设计流程中不同组如何将它们与其他模型集成。

在所有情况下,模型都需要被视为有用的工具,但也有一些缺陷的工具。这并不一定使它们更有价值。尽管如此,关键是理解那些缺陷并在他们身边工作。作为统计学家乔治盒的着名书记在1978年的书(与Co-Tress William Hunter)中写道,“所有型号都是错误的;有些型号很有用。“

有关的故事
故障模拟重生
曾经是一个不可或缺的工具正在为不同的应用卷重,但仍有问题仍有待解决。
形式化能取代仿真吗?
独家:正式领导人讨论他们将正式工具拉伸到限制以解决不断增加的任务数组的方式。
神经形态计算:模拟大脑
竞争模特vie展示大脑如何工作,但没有完美。



留下一个回复


(注意:此名称将公开显示)