高通如何加速覆盖率和AI-Driven验证关闭吗

芯片开发过程中的所有步骤,验证可能是最耗时和劳动密集型的。随着芯片的发展在规模和复杂性,几乎有无数的设计必须评估的状态空间。当然,我们的目标是确保最终设计将按预期工作,避免昂贵的资源。覆盖关闭可能发生的更快,可以进入市场越快。

手工分析的设计状态空间只能让你到目前为止的可行的见解。如果你能得到验证覆盖率100%,然后你可以确保你发现所有的设计错误。但是你怎么知道写什么你testbench覆盖率的定义?你建立正确的覆盖目标了吗?和你怎么确定哪些测试覆盖贡献最?所以,循环最终涉及大量的重复:发现错误,修复bug,重复循环,直到你达到完全覆盖,在RTL终于可以签字。

作为高通在今年春天的突出显示DVCon 2023会议的过程变得更复杂图形处理单元(GPU)体系结构由于其高水平的并行性。芯片制造商的工程师们发现,他们从事大量的手工工作写半直接测试用例达到角情况下的块和集群的水平。

幸运的是,自动化和智能融合加速验证覆盖率关闭。往下读,了解高通加快上市时间使用AI-driven芯片验证。

太多时间在Testbench调优

验证工程师报告支出60%的功能验证时间testbench开发和调试和高达25%的时间在testbench跟进和覆盖关闭。鉴于今天的复杂性的芯片,芯片验证可以使用成千上万的CPU时间,花费的时间要比以往任何时候都关闭。

在一个理想世界中,验证工程师能够左移位功能覆盖率和受益于三个关键改进传统工艺:

• testbench更快的稳定和成熟
• 加速覆盖率和故障检测率
• 快关闭,随着时间的推移,保存在编写指导测试

在这个世界上,挑战testbench相关问题一定会得到解决。现实是,testbench调优很费力和风险倾向。场景如失踪,非法刺激,偏见,和下的偏差可能导致错过了错误和/或更长时间但它并不少见。

引入智能验证过程可以缓解这些问题通过加强testbench刺激的质量和提供宝贵的testbench分析。最终,这可能会导致检测的缺陷,更大的覆盖范围,降低成本,更快的周转时间。

AI-Driven芯片验证节省时间和精力

高通讨论使用AI-driven验证,通过它的使用Synopsys对此投®智能覆盖优化(ICO)技术DVCon我们2023。VCS ICO利用强化学习和可以部署在testbench开发的所有阶段,加速和提高覆盖率,暴露更多的错误,减少回归周转时间。

在会议上,高通强调一个错综复杂的GPU的体系结构,发现角落里虫子和实现全功能覆盖率是特别具有挑战性。架构依赖大量的并行性,以实现高性能。并行性,使其更具挑战性发现bug的小角落的复杂的逻辑,以及关闭功能和代码覆盖率块级别的。

高通团队必须手动创建测试用例半直接打击块角情况下,集群的水平。实现功能覆盖率关闭左移位,高通探索各种功能验证解决方案,记住这些标准:

• testbench,更快和更早的发现个别案例RTL和约束问题
• 加速,自动化功能或代码覆盖率
• 减少手动努力写测试用例直接场景很难下手场景
• 消除手动努力重写或修改功能覆盖模型

理想情况下,解决方案无缝地融入组织的回归环境。部署VCS ICO技术在多个真实场景多个块和分析数据在两年期间,高通有经验的好处在早期,中期和晚期的项目。虫率和覆盖率结果相比,芯片制造商在使用和不使用VCS ICO的解决方案。这里是结果的概述的三个主要项目:

• 项目在后期阶段:一种改进testbench导致testbench多30%的发现问题,发现一个RTL的问题,全面了解testbench。也有更少的回归,节省好几天。
• 项目B在早中期阶段:即使testbench和design-under-test (DUT)被认为是稳定的,有一个巨大的错误检测激增。最终,所有DUT缺陷被暴露在更少的迭代。
• 项目C在中期阶段:团队达到10 - 15%减少网格使用每一块,同时节省时间在编写指导测试。

“启用VCS图标后随机回归这一块,我们目睹了戏剧性的改善,左移位,在功能覆盖率关闭1.5周,“Srikanth Vadanaparthi说,高通公司高级主管工程师。“我们观察到的大多数复杂的箱子需要调整的约束或延迟概要文件目前正在迅速。因此,我们现在需要花非常小的努力(也许不到100箱而不是200到500箱)定向/约束调整或延迟剖面调整。”

增加验证生产力和效率

高通和其他设计公司经验丰富,AI-driven验证与风投ICO解决方案可以提高验证效率和效率。在设计的早期阶段,技术公开testbench问题和差距,支持根源分析,并提供testbench见解。在中期阶段,它得到更好的覆盖,优化回归,并帮助检测很难下手的bug(以及更多)。在后期阶段,解决方案公开遗漏错误,提高了多样性,并使结果的信心。

人工智能被集成到更多的电子设计自动化流程,提高生产力以及功率、性能和面积(PPA)芯片正变得越来越复杂。计算密集型应用,如超大型数据中心、汽车和,是的,AI,正在推高带宽和性能要求。人工智能任务为设计团队提供了前进的水平更高的成就。作为高通发现,AI-driven验证可以转移验证从第一天起就离开了。