{"id":34408,"date":"2019-10-31T21:58:10","date_gmt":"2019-10-31T18:58:10","guid":{"rendered":"https:\/\/prohoster.info\/blog\/obsuzhdenie-proekt-openroad-namerevaetsya-reshit-zadachu-avtomatizatsii-proektirovaniya-protsessorov\/"},"modified":"2019-10-31T21:58:10","modified_gmt":"2019-10-31T18:58:10","slug":"obsuzhdenie-proekt-openroad-namerevaetsya-reshit-zadachu-avtomatizatsii-proektirovaniya-protsessorov","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/obsuzhdenie-proekt-openroad-namerevaetsya-reshit-zadachu-avtomatizatsii-proektirovaniya-protsessorov","title":{"rendered":"Discussione: il progetto OpenROAD mira a risolvere il problema dell'automazione della progettazione dei processori","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Discussione:<\/a><\/noindex>
\nFoto \u2014 Pexels<\/a><\/noindex> \u2014 CC BY<\/i><\/p>\n

Secondo i dati<\/a><\/noindex> PWC, il mercato delle tecnologie dei semiconduttori cresce \u2014 lo scorso anno ha raggiunto i 481 miliardi di dollari. Tuttavia, il ritmo della sua crescita recentemente \u00e8 diminuito<\/a><\/noindex>. Tra le cause del calo ci sono la complessit\u00e0 dei processi di progettazione dei dispositivi e la mancanza di automazione.
\n<\/a><\/noindex>
\nAncora qualche anno fa, gli ingegneri di Intel scritto<\/noindex>, affermavano che per creare un microprocessore ad alte prestazioni bisognava utilizzare da 100 a 150 strumenti software separati (EDA<\/a><\/noindex>). La situazione pu\u00f2 aggravarsi nel caso di dispositivi eterogenei, la cui architettura include diversi tipi di chip \u2014 ASIC, FPGA, CPU o GPU. Di conseguenza, si verificano errori nella progettazione che ritardano il rilascio dei prodotti.<\/p>\n

Nonostante il gran numero di strumenti ausiliari, una parte del lavoro gli ingegneri sono comunque costretti a svolgerlo manualmente. Gli autori del libro \u00abAdvanced Logic Synthesis<\/a><\/noindex>\u00bb affermano che a volte i progettisti si devono<\/a><\/noindex> devono scrivere script in Skill o Python di due milioni di righe per comporre librerie con celle<\/a><\/noindex>.<\/p>\n

Vengono anche scritti script per il parsing dei report generati dai sistemi EDA. Durante lo sviluppo di un chip con processo tecnologico a 22 nm, questi report possono occupare fino a 30 terabayte.<\/i><\/p><\/blockquote>\n

\nPer risolvere la situazione e cercare di standardizzare i processi di progettazione, DARPA ha preso questa decisione. Anche nell'agenzia ritengono<\/a><\/noindex>, si ritiene che i metodi esistenti per la creazione di chip siano obsoleti. L'organizzazione lanciato<\/a><\/noindex> ha avviato un programma quinquennale OpenROAD<\/a><\/noindex>, il cui obiettivo \u00e8 sviluppare nuovi strumenti per l'automazione dei processi di progettazione dei circuiti integrati.<\/p>\n

Di cosa si tratta il programma<\/h2>\n

\nIl programma comprende diversi progetti che utilizzano l'apprendimento automatico e le tecnologie cloud per automatizzare singole fasi della creazione dei chip. Nell'ambito dell'iniziativa vengono sviluppati<\/a><\/noindex> (schema 1) pi\u00f9 di dieci strumenti. Successivamente, parleremo pi\u00f9 nel dettaglio di alcuni di essi: Flow Runner, RePlAce, TritonCTS, OpenSTA.<\/p>\n

Flow Runner<\/b> \u2014 \u00e8 uno strumento per la gestione delle librerie RTL e GDSII. Queste ultime rappresentano file di database, che sono lo standard industriale per lo scambio di informazioni sui circuiti integrati e le loro topologie. La soluzione si basa sulla tecnologia dei container Docker. Flow Runner pu\u00f2 essere eseguito sia in un ambiente cloud che localmente. La guida all'installazione \u00e8 disponibile nel repository ufficiale su GitHub<\/a><\/noindex>.<\/p>\n

RePlAce<\/b> \u2014 \u00e8 una soluzione cloud basata su machine learning, responsabile del posizionamento dei componenti sul chip e dell'automazione del tracciamento. Secondo alcuni dati<\/noindex>, gli algoritmi intelligenti aumentano l'efficienza dello strumento dal 2 al 10% rispetto ai sistemi classici. Inoltre, l'implementazione nel cloud semplifica la scalabilit\u00e0. La guida per l'installazione e la configurazione \u00e8 anche disponibile nel repository<\/a><\/noindex>.<\/p>\n

TritonCTS<\/b> \u2014 \u00e8 un'utilit\u00e0 per ottimizzare i segnali di clock inviati al chip. Aiuta a instradare i segnali di sincronizzazione a tutte le parti del dispositivo con ritardi uniformi. Il principio di funzionamento si basa su H-alberi<\/a><\/noindex>. Questo approccio aumenta<\/a><\/noindex> l'efficienza della distribuzione dei segnali aumenta del 30% rispetto ai metodi tradizionali. Gli sviluppatori affermano che in futuro questo valore potrebbe crescere fino al 56%. Il codice sorgente e gli script di TritonCTS sono disponibili. su GitHub<\/a><\/noindex>.<\/p>\n

OpenSTA<\/b> \u2014 un motore per l'analisi temporale statica. Permette agli sviluppatori di verificare il funzionamento del chip prima della sua effettiva produzione. Un esempio di codice in OpenSTA si presenta<\/a><\/noindex> in questo modo.<\/p>\n

@@ -6,7 +6,7 @@ read_liberty -corner ff example1_fast.lib\nread_verilog example1.v\nlink_design top\nset_timing_derate -early 0.9\nset_timing_derate -early 1.1\nset_timing_derate -late 1.1\ncreate_clock -name clk -period 10 {clk1 clk2 clk3}\nset_input_delay -clock clk 0 {in1 in2}\n# report all corners\n<\/code><\/pre>\n
\nL'utilit\u00e0 supporta le descrizioni netlist del codice in Verilog, le librerie in formato Liberty, i file SDC e altro.<\/p>\n
Vantaggi e svantaggi<\/h2>\n
\nEsperti di IBM e IEEE sottolineano<\/a><\/noindex>, sostengono che sia giunto il momento di utilizzare le tecnologie cloud e l'apprendimento automatico nella produzione di chip. A loro avviso, il progetto DARPA potrebbe rappresentare un buon esempio di attuazione di questa idea e dare avvio<\/a><\/noindex> ai cambiamenti nell'industria.<\/p>\n
Si prevede inoltre che la natura aperta di OpenROAD favorisca la creazione di una comunit\u00e0 forte attorno agli strumenti e attragga nuove startup.<\/p>\n
\"Discussione:
\nFoto \u2014 Pexels<\/noindex> \u2014 CC BY<\/i><\/p>\n
Ci sono gi\u00e0 partecipanti \u2014 un laboratorio che si occupa dello sviluppo di chip presso l'Universit\u00e0 del Michigan, diventer\u00e0 il primo<\/a><\/noindex>, a testare gli strumenti open source di OpenROAD. Tuttavia, non \u00e8 ancora chiaro se le nuove soluzioni avranno un impatto significativo sui costi dei prodotti finali.<\/p>\n
In generale, ci si aspetta che gli strumenti sviluppati sotto la guida della DARPA abbiano un impatto positivo sull'industria dei processori, con un aumento del numero di nuovi progetti in questo settore. Un esempio pu\u00f2 essere lo strumento gEDA<\/a><\/noindex> \u2014 consente di progettare chip con un numero illimitato di componenti. gEDA include utility per l'editing, la modellazione dei chip e la tracciatura delle schede. La soluzione \u00e8 stata sviluppata per piattaforme UNIX, ma alcuni dei suoi componenti funzionano anche su Windows. \u00c8 possibile trovare il manuale d'uso nella documentazione sul sito del progetto<\/a><\/noindex>.<\/p>\n
Gli strumenti di distribuzione libera offrono alle organizzazioni indipendenti e alle startup maggiori opportunit\u00e0. \u00c8 probabile che nel tempo i nuovi approcci di OpenROAD allo sviluppo degli strumenti EDA e alla creazione di chip possano diventare uno standard del settore.<\/p>\n
\nDi cosa parliamo nel nostro blog aziendale:<\/p>\n