云上的正式验证：获取您想要的成本需要的计算资源

By Ahmed Elzeftawi，SR.合作伙伴解决方案架构师，半导体和EDA，AWS和Pratik Mahajan，R＆D集团导演，Synopsys正式验证解决方案

由于验证所有可能的极端情况行为的挑战越来越大，随着越来越多的行业采用和承认其功能，正式芯片设计验证近年来获得了很多关注。

使用正式的验证，计算资源越多越好。毕竟，我们的目标是更快地识别bug，发现深层次的角落bug，并从功能上验证和签名块。在汽车、医疗和安全应用等安全敏感领域，风险尤其高。随着您继续为计算基础设施增加马力，您一定会在减少周转时间和更好的收敛性方面获得最终的性能增益。但是，你的预算是多少呢?

这就是云可以提供有价值的提升的地方，使芯片验证的换档能够更快的转变时间。云计算在更好的结果质量（QOR），结果的时间和结果的成本以及结果中的成本，以及正式的验证在这种混合中的情况下增强了各种区域。的确，eda在云中正在迅速被证明是推动半导体行业创新的一种方式，半导体行业面临着计算需求爆炸的挑战，同时持续面临着减少芯片设计和验证周期的压力。随着芯片变得越来越大，越来越复杂，尤其是针对高性能计算和AI等需求较大的应用，同时工程负载也在增长，云计算的弹性提供了计算灵活性，以实现更快的结果生成时间。

在这篇博文中，我们将解释如何将正式的芯片验证迁移到云计算中，以减少多达40倍的周转时间，并实现3倍的更好的收敛。我们使用AWS Graviton2-基于Amazon Elastic Compute Cloud (Amazon EC2)实例，以实现在Synopsys上的运行速度和收敛VC Formar™下一代正式验证解决方案。请继续阅读以了解更多信息。

什么是正式验证?

多年来,正式的验证方法被降级到学术界世界，并被认为是典型的验证工程师不比可访问的。这些步骤相当令人生畏，许多人不得不思考他们是否想要承诺使用这种方法。今天，所有顶级半导体公司都在各种设计群体中使用正式;它现在被认为是主流。在仿真中，正式芯片验证方法可以帮助查找更快的错误，在模拟测试台已准备就绪之前，同时更有效地使用整体验证资源。今天，您可以通过正式验证在您的块上签字。

虽然模拟由测试组成，但模拟所有输入序列是不实际的，以彻底验证SOC设计。正式验证方法提供详尽的功能验证和设计验证覆盖覆盖，使用数学上基础语言，技术和工具。通过形式规范（高级行为或属性）和实施方式的正式描述（设计RTL），您可以通过获得更好地了解您的系统作为不一致，歧义和不完整的方式完成块的签名。

今天的工具简化了正式芯片设计验证的过程，提供了在一些最复杂的SoC设计上工作的速度、容量和灵活性。而且，正式的验证工具包括全面的调试和分析技术，以快速识别根本原因。集成到这些工具中的正式应用程序可以自动检查特定领域，如用户定义的属性、数据路径验证、安全流数据泄漏/完整性问题，以及汽车功能安全验证。

你想要的成本/性能权衡

虽然正式验证的优点是明确的，但在正式策略上执行需要相当大的计算资源。本地计算基础架构要求进行大量投资，其中许多初创公司不愿意或无法制作。或者，如果您确实有资源，但是，就像在磁带附近一样，您的基础架构不能扩展到关闭事物所需的水平？或者有一个时间压力来验证硅错误的修复。这些常见方案非常适合云实现。

基于云的计算资源提供了在需要时快速扩展到数百或数千核的灵活性。与任务必须同时发生的模拟不同，形式验证由可以独立解决的小问题组成。因此，这些问题可以并行地分布在多个计算资源上。增加可用核的数量可以减少总的周转时间并产生更好的收敛。

正式验证也是一个指数存在的问题，可以采取无限时间来解决，涉及使用启发式，发动机和抽象来解决在易行的时间内。鉴于此，验证工程师通常最终并行部署多种策略，以确定哪个成功;在这些情况下，具有灵活地访问潜在数千核的机会可以基本上加速周转时间。此外，存在有方案的时间本质和准备好对大量的计算资源可以减少几天到几小时的周转时间。磁带阶段和工程变更订单（ECO）验证的硅后调试落入此类别。

在云上缩放EDA工作负载

AWS和Synopsys通过Synopsys VC正式的下一代正式验证解决方案密切关注云环境的EDA工作负载的缩放练习。该解决方案采用混合工作流程设计，使用户可以启动本地的过程，并且一旦他们达到了本地计算限制，它们就可以保存其工作并在云上恢复它，而无需重新启动该过程。如果没有任何人为干预，该解决方案可以自主地利用可用的计算核心，包括亚马逊EC2现场实例，节省资源管理的努力。它还具有自适应的机器学习编排功能，可为特定的验证问题分配最合适的正式发动机 - 一个功能在云上更有效地运行。

AWS提供一套云解决方案;在这篇博文中，我们将关注两个非常适合EDA流程的元素:

• AWS Graviton2基于ARM®架构的处理器，该亚马逊EC2通用（M6G，M6GD，T4G），计算优化（C6G，C6GD，C6GN）和内存优化（R6，R6GD，X2GD）实例
• AWS解决方案(SOCA)上的扩展计算，它为计算密集型工作流提供了多用户环境的部署和操作

在三组不同的运行中，从12核扩展到1200核，两家公司在SOCA环境中测试了VC正式解决方案的三种不同配置:

• AWS Graviton2处理器
• X86 CPU超线程
• X86 CPU，没有超线程

超线程扩展了系统的容量。没有超线程，16个物理核心映射到系统上的16个CPU。通过超线程，16个物理核心成为32个CPU。两种配置之间的性能增量通常为10％至20％。然而，使用更多机器，硬件成本可能更高。作为自定义处理器，AWS GravitOn2不使用超线程;相反，每个CPU都是物理核心。

在练习中，在x86 CPU上禁用超线程会生成更快的结果，但成本更高。启用超线程后，性能与AWS的Graviton2处理器一致。然而，最大的收获是，AWS Graviton2的结果表明，相对于类似的运行时，成本大大降低，而且具有更好的伸缩性。

在AWS GravitOn2处理器上将VC正式解决方案从12到1,200个核心缩放导致45倍的加速度，计算成本增加2倍，以及大约90％的收敛性（图1）。这是在正式验证中留下的转变，从两天到不到一小时。

至于SOCA，这并不是这两家公司第一次将该解决方案用于Synopsys EDA工作负载。在之前的一系列演习中，这两家公司证明了这一点Synopsys Proteus全芯片掩模合成解决方案可以成功扩展到24,000个核心对于具有98％可扩展性的单一设计，同时还利用亚马逊EC2现货实例节省成本。

推动半导体创新

云的无限资源提供了执行大规模模拟、正式芯片设计验证、时序签出和物理验证任务的能力，以提高结果的质量。从成本的角度来看，云计算很有吸引力，因为它可以最小化(或在某些情况下消除)组织自己的计算基础设施投资。

正式验证，具有彻底的性质，从云环境中大大受益。AWS和Synopsys之间的练习已经证明，诸如VC正式解决方案之类的工具可以在云计算资源上运行时以大量成本优势提供大的性能和收敛提升。两家公司之间的协作举例说明了基于云的EDA解决方案如何在半导体行业的无情驱动器中提供另一个工具，以实现更好的质量，结果和结果的成本。对于正式验证，云上运行工作负载提供了减少运行时所需的换档，并实现更好的收敛性。

以防你错过了它

请阅读我们关于云中的EDA的最新博文:

• Prototype-as-a-Service…真的吗?
• 云计算中的EDA如何推动半导体创新
• 4评估云中EDA时的关键注意事项