🥇Diskussion: Das OpenROAD-Projekt hat sich die Automatisierung der Prozessorentwicklung zum Ziel gesetzt

Foto – Pexels — CC BY

Nach Daten PWC, der Markt für Halbleitertechnologien wächst — im vergangenen Jahr erreichte er die Marke von 481 Milliarden Dollar. Doch in letzter Zeit sind die Wachstumsraten gesunken. Zu den Ursachen des Rückgangs gehören die Komplexität der Entwurfsprozesse und der Mangel an Automatisierung.

Vor einigen Jahren berichteten Ingenieure von Intel schrieben, dass beim Design eines leistungsstarken Mikrochips 100–150 verschiedene Softwarewerkzeuge verwendet werden müssen (EDA). Die Situation kann sich insbesondere bei heterogenen Geräten verschärfen, deren Architektur mehrere verschiedene Arten von Chips — ASIC, FPGA, CPU oder GPU — umfasst. Dies führt zu Entwurfsfehlern, die die Produkteinführung verzögern.

Trotz der Vielzahl von unterstützenden Werkzeugen müssen Ingenieure einen Teil der Arbeit immer noch manuell erledigen. Die Autoren des Buches „Advanced Logic Synthesis“ berichten, dass Entwerfer manchmal entfallen Skripte in Skill oder Python aus zwei Millionen Zeilen schreiben müssen, um Bibliotheken mit Zellen zu erstellen..

Es werden auch Skripte zum Parsen von Berichten erstellt, die von EDA-Systemen generiert werden. Bei der Entwicklung eines Chips im 22-nm-Technologieprozess können diese Berichte bis zu 30 Terabyte groß sein.

Um die Situation zu verbessern und die Designprozesse zu standardisieren, hat DARPA beschlossen, ähnliche Schritte zu unternehmen. Auch in der Agentur halten, dass die bestehenden Methoden zur Chipentwicklung veraltet sind. Die Organisation gestartet hat ein fünfjähriges Programm OpenROAD, das darauf abzielt, neue Werkzeuge zur Automatisierung von Chipdesignprozessen zu entwickeln.

Was ist das für ein Programm

Es nehmen mehrere Projekte daran teil, die maschinelles Lernen und Cloud-Technologien nutzen, um einzelne Phasen der Chipentwicklung zu automatisieren. Im Rahmen dieser Initiative werden sind mehr als zehn Werkzeuge in Entwicklung. Im Folgenden werden wir einige von ihnen näher vorstellen: Flow Runner, RePlAce, TritonCTS, OpenSTA.

Flow Runner — ist ein Tool zur Verwaltung von RTL- und GDSII-Bibliotheken. Letztere sind Datenbankdateien, die den Industriestandard für den Austausch von Informationen über integrierte Schaltungen und deren Topologien darstellen. Die Lösung basiert auf der Container-Technologie Docker. Flow Runner kann sowohl in einer Cloud-Umgebung als auch lokal ausgeführt werden. Eine Installationsanleitung finden Sie im offiziellen Repository. auf GitHub.

RePlAce — ist eine cloudbasierte Lösung auf Basis von maschinellem Lernen, die für das Platzieren von Komponenten auf einem Mikrochip und die Automatisierung der Verdrahtung verantwortlich ist. Durch einigen Angaben, intelligente Algorithmen steigern die Effizienz des Tools um 2–10 % im Vergleich zu klassischen Systemen. Zudem erleichtert die Implementierung in der Cloud das Skalieren. Eine Anleitung zur Installation und Konfiguration ist ebenfalls verfügbar im Repository..

TritonCTS — ist ein Tool zur Optimierung der auf den Chip angewandten Taktsignale. Es hilft, Synchronisationssignale über alle Teile des Geräts mit denselben Verzögerungen zu routen. Das Funktionsprinzip basiert auf H-Bäumen. Dieser Ansatz erhöht Die Effizienz der Signalverteilung konnte um 30 % im Vergleich zu herkömmlichen Methoden verbessert werden. Entwickler berichten, dass dieser Wert in Zukunft auf 56 % gesteigert werden kann. Der Quellcode und die Skripte von TritonCTS sind auf GitHub.

OpenSTA — eine Engine für die statische zeitliche Analyse. Sie ermöglicht es Entwicklern, die Funktionalität des Chips bereits vor seiner tatsächlichen Montage zu überprüfen. Ein Beispielcode in OpenSTA sieht so aus.

@@ -6,7 +6,7 @@ read_liberty -corner ff example1_fast.lib
read_verilog example1.v
link_design top
set_timing_derate -early 0.9
set_timing_derate -early 1.1
set_timing_derate -late 1.1
create_clock -name clk -period 10 {clk1 clk2 clk3}
set_input_delay -clock clk 0 {in1 in2}
# report all corners

Das Tool unterstützt Netlist-Beschreibungen in Verilog, Bibliotheken im Liberty-Format, SDC-Dateien und mehr.

Vorteile und Nachteile

Experten von IBM und IEEE stellt fest, dass Cloud-Technologien und maschinelles Lernen schon längst in der Herstellung von Mikrochips eingesetzt werden sollten. Ihrer Meinung nach könnte das DARPA-Projekt ein gelungenes Beispiel für die Umsetzung dieser Idee sein und den Grundstein für Veränderungen in der Branche legen.

Es wird auch erwartet, dass die offene Natur von OpenROAD eine starke Community um die Werkzeuge bildet und neue Startups anzieht.

Foto – Pexels — CC BY

Bereits Teilnehmer – ein Labor, das Chips auf Basis der Universität Michigan entwickelt, wird der erste sein,, der die offenen Werkzeuge von OpenROAD testet. Es ist jedoch noch unklar, ob die neuen Lösungen einen spürbaren Einfluss auf die Kosten der Endprodukte haben werden.

Allgemein wird erwartet, dass die Werkzeuge, die unter der Leitung von DARPA entwickelt werden, einen positiven Einfluss auf die Halbleiterindustrie haben und in diesem Bereich immer mehr neue Projekte entstehen werden. Ein Beispiel hierfür könnte das Werkzeug gEDA sein – es ermöglicht das Design von Chips mit einer unbegrenzten Anzahl von Komponenten. gEDA umfasst Werkzeuge zum Bearbeiten und Modellieren von Schaltkreisen und zum Routen von Leiterplatten. Die Lösung wurde für UNIX-Plattformen entwickelt, aber mehrere ihrer Komponenten funktionieren auch unter Windows. Eine Anleitung zur Nutzung finden Sie in der Dokumentation auf der Projektwebsite..

Die frei verfügbaren Werkzeuge bieten unabhängigen Organisationen und Startups mehr Möglichkeiten. Es besteht die Wahrscheinlichkeit, dass sich die neuen Ansätze von OpenROAD zur Entwicklung von EDA-Tools und zur Erstellung von Mikrochips im Laufe der Zeit zum Branchenstandard entwickeln könnten.

In unserem Unternehmensblog schreiben wir über:

Quelle: habr.com