Siemens lancia uno strumento di progettazione IC per i dati

May 24, 2023

Sebbene i circuiti integrati e i dispositivi in ​​cui sono progettati semplificano la nostra vita, le sfide legate allo sviluppo e alla verifica dei circuiti integrati continuano a diventare più gravi. L'enorme complessità degli odierni ASIC e FPGA sta guidando questa tendenza e tale complessità continuerà a crescere. Per risolvere questo problema, questa settimana Siemens ha presentato Questa Verification IQ, una piattaforma software incentrata sull'idea di verifica basata sui dati.

L’azienda sta posizionando il nuovo set di strumenti come una piattaforma basata sui dati, basata su team, abilitata al cloud, che fa uso della tecnologia dell’intelligenza artificiale (AI). Questa Verification IQ ha lo scopo di aiutare gli ingegneri progettisti di circuiti integrati a eseguire la chiusura della verifica più rapidamente, semplificare la tracciabilità, ottimizzare le risorse e ridurre i tempi complessivi del processo di progettazione.

In questo articolo esaminiamo le sfide odierne nella progettazione di circuiti integrati, discutiamo di come il nuovo software Siemens implementa la verifica basata sui dati e forniamo i punti salienti della nostra intervista con Darron May, product manager, gestione della verifica, debug e copertura presso Siemens Digital Industries Software.

Per comprendere il problema, May afferma che dobbiamo esaminare le sfide di complessità affrontate dagli ingegneri che stanno sviluppando e verificando l'attuale nuova generazione di circuiti integrati. Per illustrare il punto, i dati condivisi di May provengono dal “2022 Functional Verification Study” del Wilson Research Group.

Secondo il rapporto, la durata media dei progetti ASIC e FPGA è attualmente di circa 10-12 mesi. E, cosa interessante, il 70% di quel tempo viene effettivamente dedicato alla verifica funzionale. "Stiamo parlando di sette o otto mesi come tempo medio impiegato per la verifica", afferma May.

Le sfide stanno solo peggiorando nel tempo, afferma May. Lo studio mostra che il primo successo del silicio per gli ASIC si è ridotto al 24%, ovvero in calo del 7% solo negli ultimi otto anni. "Si tratta in realtà del settore più basso osservato negli ultimi anni: questo studio va avanti ormai da così tanto tempo", afferma May. E, se si guarda al contrario, il 76% dei progetti ASIC necessita di respin, forse due o tre respin, dice May.

Anche il fattore tempo è un problema. Secondo lo studio, solo un terzo di questi progetti ASIC viene effettivamente completato nei tempi previsti. "A causa di questi ritardi, gli ingegneri sono alla ricerca di modi per accelerare i loro processi", afferma May. A tutto ciò si aggiungono l’aumento dei costi di maschere e wafer e le geometrie sempre più ristrette che affliggono la progettazione degli ASIC. “Pertanto diventa davvero importante rendere questi processi il più efficienti possibile per combattere l’aumento vertiginoso dei costi”, afferma May.

Gli FPGA sono spesso citati come alternativa agli ASIC, ove possibile. Ma, in termini di questi problemi di complessità, i progetti FPGA non stanno ottenendo risultati migliori. Citando i dati dello studio, May afferma che solo il 16% dei progetti FPGA riesce effettivamente a ottenere una fuga di bug non banale in produzione, mentre oltre il 30% di essi presenta due o più di questi bug che influiscono sulla loro qualità. “Secondo lo studio, solo il 30% dei progetti FPGA vengono terminati in tempo”, afferma May. "Quindi è molto simile al mercato ASIC."

Per aiutare il mondo della progettazione di circuiti integrati a uscire da questa routine, May sostiene che ciò che è necessario è sfruttare l’idea che i dati sono la chiave del miglioramento. Nel mondo dei circuiti integrati, ciò significa passare alla verifica basata sui dati. “I dati contengono modelli e informazioni che gli esperti possono analizzare”, afferma. “E ora, grazie all’archiviazione di massa, alle moderne infrastrutture informatiche, al machine learning (ML) e all’intelligenza artificiale, i dati possono ora essere la chiave per la verifica basata sui dati”.

May afferma che ci sono tre fattori chiave importanti nella verifica basata sui dati: analisi, collaborazione e tracciabilità. Analytics in questo contesto significa fornire agli ingegneri algoritmi tradizionali per la verifica in modo che possano utilizzare la propria esperienza per studiare i dati. "A ciò si aggiunge la potenza del machine learning per poter imparare da questi enormi set di dati che generiamo nell'ambito del processo di verifica", afferma May.

Per la parte relativa alla collaborazione, ciò che è necessario per fornire agli ingegneri processi efficienti basati sul team. "Ciò significa aiutare i team a gestire i dati in modo centralizzato e a poter lavorare su più sedi", afferma May. Infine, la tracciabilità è importante per consentire la conformità in materia di sicurezza. Ciò significa automatizzare il controllo delle relazioni tra requisiti, implementazione e verifica.