Siemens versnelt karakterisering van halfgeleiderbibliotheken

Halfgeleiderontwerpteams staan onder toenemende druk om nauwkeurige timing- en vermogensbibliotheken te genereren, aangezien de procescomplexiteit, strengere toleranties en geavanceerde modelleringsformaten de karakteriseringsworkloads uitbreiden. In deze context heeft Siemens de Solido™ Characterizer-software geïntroduceerd en zijn Solido™ Characterization Suite uitgebreid met AI-ondersteunde mogelijkheden voor automatisering van halfgeleiderontwerp.

Snellere bibliotheekgeneratie voor geavanceerde procesnodes
Solido™ Characterizer is ontworpen voor foundries en interne chipontwerpteams die SPICE-gebaseerde Liberty-bestanden genereren voor zowel volwassen als geavanceerde procesnodes. De software gebruikt voorspellende AI-methoden om karakteriseringsworkflows te versnellen, die steeds vaker worden beperkt door grotere datasets, meerdere process-voltage-temperature (PVT)-varianten en geavanceerde timingmodellen zoals Liberty Variation Format (LVF).

Siemens geeft aan dat de software de generatietijd van Liberty-bestanden terugbrengt van weken naar dagen en tegelijkertijd de doorvoer met een factor zeven verhoogt. Deze prestatieverbetering komt voort uit een combinatie van AI-ondersteunde karakterisering en simulatorversnelling, in plaats van uit één enkele optimalisatielaag.

AI en simulatieversnelling in combinatie
De prestatiearchitectuur combineert de Characterizer AI Engine met Solido LibSPICE, de intern ontwikkelde karakteriseringssimulator van Siemens.

De Characterizer AI Engine versnelt Liberty-generatie en LVF-karakterisering en levert volgens de opgegeven gegevens een vijfvoudige snelheidsverbetering op in siliciumkarakteriseringsworkflows over verschillende procesnodes. Solido LibSPICE voegt daar een extra prestatieverbetering van meer dan 2x aan toe voor SPICE-simulatieworkloads die tijdens karakterisering worden gebruikt.

Samen richten deze technologieën zich op een belangrijk knelpunt binnen electronic design automation (EDA): het snel genoeg genereren van gevalideerde productiebibliotheken om gelijke tred te houden met versnelde ontwikkelschema's voor halfgeleiders.

Karakterisering opschalen binnen ontwerporganisaties
Naarmate halfgeleiderbedrijven meerdere IP-blokken en parallelle ontwerpteams beheren, wordt de schaalbaarheid van karakterisering evenzeer een infrastructuurvraagstuk als een modelleringsuitdaging.

Het platform integreert met Solido Analytics voor realtime kwaliteitsborging, monitoring van actieve processen, interactieve debugging en geautomatiseerde replay-functies die bedoeld zijn om de engineeringbelasting tijdens verificatie en probleemoplossing te verminderen.

Solido™ Characterizer verbindt ook met Solido Generator, dat Liberty-basisbestanden gebruikt om AI-modellen te trainen die aanvullende bibliotheekweergaven kunnen genereren zonder nieuwe SPICE-simulaties. Siemens positioneert de software ook voor integratie met Solido Fuse, gebaseerd op het Fuse™ EDA AI-systeem, om generatieve en agentgebaseerde AI-workflows binnen karakteriseringsprocessen te ondersteunen.

Klantvalidatie in foundry- en IP-workflows
GlobalFoundries meldde het gebruik van de Solido Characterization Suite om ontwerpmarges te valideren en Liberty-bestanden te genereren met behoud van productienauwkeurigheid op SPICE-niveau, met een interne procesversnelling van 20% tot 30%.

Anatrix noemde het gebruik van Solido Characterizer voor de karakterisering van een stralingsgeharde digitale gate-bibliotheek met bescherming tegen single-event latch-up, naast validatie van analoog en mixed-signal IP-gedrag via Siemens EDA-simulatieworkflows.

Voor halfgeleiderteams die modelnauwkeurigheid moeten afwegen tegen kortere ontwikkelcycli, wordt AI-ondersteunde karakterisering steeds meer een onderdeel van de gangbare chipontwerpinfrastructuur in plaats van een gespecialiseerde optimalisatielaag.

Bewerkt door Aishwarya Mambet, Induportals-redacteur, met ondersteuning van AI.

www.siemens.com