理解你的硅内部和甚至当它
老主任斯蒂芬·接线盒、市场营销和业务发展
如果你的车可以提醒你即将制动失败之前发生了什么?或者你的聪明的演讲者可能表明它已经被黑客入侵?或者你的手机的电源利用率突然峰值没有明显的原因?对于有价值的线索,您可以看看里面的硅这些电子系统。芯片参数性能、能耗、安全、和安全最终可能影响最终的设备或系统运行。然而,挑战在于揭露,宝贵的数据。发生的设备一旦他们离开工厂,部署在该领域历来是一个谜。硅生命周期管理(SLM)技术,提供一个相对较新的类别,提供洞察芯片在生命周期的所有阶段。
在这篇文章中,我将解释如何从设计到制造的SLM技术提供了有价值的见解以及嵌入式AI延伸SLM将有利于攷虑操作的一个新的水平。往下读,学习如何更好地理解你的硅,内外。
避免设备攻击和失败
等对安全性要求苛刻的应用程序的高级驾驶员辅助系统(ADAS),自主车辆、医疗设备以及设备,依靠连续正常运行时间,硅的性能监控和预测维护是非常有益的。例如,老化的影响可能降低硅运营车辆的制动系统,最终导致制动失效如果不是提前检测到。同样,老化效果或缺乏优化可以导致用电上升,影响电池寿命的便携式物联网设备。电压可以恶意攻击的时候,虽然在某些数据总线数据流量的变化可以提高猜疑。SLM技术集成到芯片上,这些场景可以标记来防止或减轻负面影响。
基于更成熟的产品生命周期管理方法,新兴SLM相同的整体方法和类型的功能适用于集成电路。根据2020年的一项研究报告沼泽的见解和策略”,分析可以提高设计校准,加快产量改进,减少测试时间和投放市场的时间,最重要的是,预测故障或恶化。“过程包括将传感器和显示器嵌入到硅chips-this可能包含过程/电压/温度(PVT)传感器,针对测试(DFT)和内建自测(阿拉伯学者)传感器,结构和功能显示器、嵌入式芯片上的分析工具,和数据传输资源。收集的数据然后渗透到一个集中的数据库,在分析引擎提取有用的洞察力来优化硅的整个生命周期。
考虑,例如,测试生命周期阶段。芯片数据从测试地板可以分析与优化的见解反馈到测试人员或其他设计工具应用推荐的优化。
而解决方案很好地建立了硅的生命周期的早期阶段,仍有机会增强攷虑优化。优化硬件一旦被部署在该领域,是否这是一辆车,一个数据中心,或一个物联网设备,SLM代理系统中需要安装监控和访问其数据。这就是实时的基于ai的优化。因为它有很多应用领域的积极影响,芯片设计包括,AI提供了分析能力和速度提供连续的系统优化。
扩展开拓SLM和AI平台
Synopsys对此行业首个SLM平台于2020年引入,利用我们主要实现,验证,测试,和IP解决方案提供一个综合性的、全面的方法对芯片制造商和系统集成商更好地管理整个芯片寿命的关键问题。一路上,我们继续加强SiliconMAX™SLM平台:
- 芯片监测技术,包括PVT传感器
- 先进的分析技术对于半导体测试和制造业
- 而且,通过我们的2021年11月收购Concertio、实时的基于ai的优化技术
Concertio自主软件代理安装在系统的持续监测操作应用程序和底层系统之间的交互环境。它利用强化学习来完善其对系统的理解和预测系统如何将执行。这些见解,软件代理的动态优化引擎可以适应和重新配置系统。结果呢?自调优系统仍然是当前优化使用。
的早期元素SiliconMAX SLM平台也可以在云端;攷虑优化技术将云计算,作为人工智能的Concertio技术带来支持在大云中的数据分析。
什么使SiliconMAX平台特别有效的方法是密切相关的一组Synopsys对此解决方案,包括:
- Synopsys对此的TestMAX™家庭测试产品和技术的自动化集成监控和传感器的RTL或门电路级设计以及片上监测和数据传输基础设施共享
- Synopsys对此融合设计平台™独特设计的性能优化,同时保持设计流程和时间表完好无损
- Synopsys对此融合编译器™RTL-to-GDSII解决方案,确保监控集成,同时保持最佳PPA设计指标
智能智能芯片设计的见解
半导体扮演不可或缺的角色在很多我们每天依赖的设备和系统。有鉴于此,任何技术或技术,可以使这些组件执行得更好和更大的功率效率,安全,和安全应受到芯片制造商,系统集成商和最终用户。增强的强化学习,SLM技术跨越早期设计阶段攷虑部署可以帮助确保我们使用的电子产品将达到甚至超过我们的预期。
如果你错过了它
补上其他一些最近的博客文章在芯片设计提供有用的见解:
