AI重构西门子EDA工具
作者：微信文章西门子EDA正在重构其EDA工具的结构，以采用适用于人工智能（AI）和机器学习（ML）的新架构。Questa、Calibre和Solido EDA工具一直依赖于各自复杂的数据库来存储有关定制芯片、小芯片、3D-IC基板以及印刷电路板上芯片设计的信息。现在，这些数据库正在被整合成一个数据湖，以便AI引擎能够跨不同工具访问信息。这是工具架构的一个根本性转变，它允许创建芯片和封装的数字孪生模型。
“我们所看到的是软件正在推动功能的发展。这种广泛的增长是由硅片和计算量推动的，而计算量又推动了对计算能力的需求激增。在这一切之上的是AI，”西门子EDA高级工程专家迈克尔·怀特（Michael White）说：“我们首先在超大规模数据中心看到这一点，然后是自动驾驶汽车和消费电子。这种需求正在推动西门子EDA在架构探索、功能验证、先进节点设计和物理验证方面的投资。AI是这一切的核心，不仅在系统使用中，而且作为产品的一部分，以丰富设计师的体验并提高他们的生产力，使用AI在许多引擎中。AI在西门子EDA中无处不在，以使IC社区更加高效。”
AI是多种技术的结合，如强化学习（RL）和基于规则的机器学习。检索增强生成（RAG）使用变换模型，通过现有训练材料增强用户界面。
“AI可以提高50%的生产力，特别是在2纳米工艺中，但这是工业级AI，而不是消费级AI，”西门子EDA验证和AI产品负责人萨提什·巴拉苏布拉马尼安（Sathish Balasubramian）说：“这意味着可验证性、可用性、鲁棒性和普遍性，而不仅仅是某些特殊情况，但最重要的是永远不要在准确性上妥协。我们在西门子EDA已经做了20年的AI，涵盖了所有产品线，2005年有模式识别，强化学习用于调整模型，现在有生成式AI转向AI代理，以自动化工作流程的一部分，然后转向代理AI，并使用所有这些进行数字孪生。我们专注于后端的ML和RL，以及前端的生成式AI和代理AI，在一个混合AI系统中，并且我们正在推出一个跨硅片和PCB工具的代理AI系统。这使得生成式和代理AI能够跨越所有西门子EDA工具，使用多模态数据湖和API供客户接入系统。数据库是否保持独立取决于客户的选择。他们可以整合自己的EDA数据，并创建自定义工作流程，以在最有价值的地方部署AI——在不破坏工作流程的情况下增强采用率和竞争力。这可以在本地或云端进行，并且使用集中化的多模态数据湖的“数据飞轮”。这是数据库和数据湖的结合。我们大量使用RAG，即使数据库是分开的。分离取决于不同客户，将RTL数据库打开到数据湖中。”
除了内部基础设施和第三方模型外，AI系统还支持Nvidia的NIMS微服务和Llama Nemotron模型。NIM使推理就绪模型能够跨云端和本地环境进行可扩展部署，用于实时工具编排和多代理系统。Llama Nemotron增加了高上下文推理和稳健的工具调用，以实现更智能的EDA工作流程自动化。
“AI代理可以显著提高复杂电子设计自动化的生产力，支持工程师在布局优化、仿真和验证方面的工作，使工程师能够专注于创造性问题解决和先进设计挑战，”Nvidia的CAE和CUDA-X高级总监蒂姆·科斯塔（Tim Costa）说。
这些工具的最新版本本周在美国的设计自动化会议上推出，关键客户可以提前使用。这些工具包括Aprisa AI，用于RTL到GDS设计探索，自适应优化给定设计的功耗/性能/面积（PPA），以及集成的生成式AI辅助，提供可运行的示例和解决方案。该公司表示，自然语言界面提供了10倍的生产力，3倍更快的流片时间，以及10%更好的数字设计功耗、性能和面积优化，适用于所有工艺技术。
Calibre Vision AI通过将它们加载并组织成智能聚类，识别并修复关键设计违规，所需时间仅为现有方法的一半。然后，设计师可以根据这种聚类优先安排他们的活动，从而实现更高水平的生产力。
生成式和代理AI被用于Solido定制IC平台的各个方面，包括原理图捕获、仿真、变体感知设计和验证、库表征、布局和IP验证。
本书为开发者提供了一份与时俱进的效率提升方案。它不仅教会读者如何使用工具，更培养了一种与AI协作的编程思维。开篇对主流AI编程工具的对比分析实用，安装配置指南详细，代码补全和调整技巧的讲解配合具体案例，使抽象的功能变得具体可感。书中关于提示工程的章节精彩，系统性地提升了与AI协作的效率，展示了如何通过精准的指令引导AI生成理想代码。
页:
[1]