瑞薩如何利用Synopsys VSO.ai將SoC驗證生產率提高30%

你可能已經在當地道路上親眼目睹了自動駕駛驅動的汽車系統的進步。5G網絡和人工智能（AI）等技術的集成使自動駕駛汽車的性能比以往任何時候都更好，但新的嚴格安全標準又增加了一層考慮因素。

這些發展帶來了芯片復雜性的增加和片上系統（SoC）設計要求的變化，例如重新架構（特別是傳統控制器局域網（CAN）的車載電氣/電子（E/E）架構）、車載以太網的引入、更高的速度以及與各種標準兼容的實時控制。驗證這些復雜的SOC可能會占用高達70%的項目周期，并涉及更多的工程師時間！

瑞薩科技（公司名稱）作為面向汽車、工業和信息技術（IT）等應用的微控制器、模擬、電源和SoC產品的全球領導者，就遇到了這一挑戰，并計劃利用以下優勢將成本降低50%Synopsys VSO.ai（驗證空間優化），一種AI和機器學習驅動的驗證空間優化技術。

瑞薩的驗證挑戰

尤其是在汽車市場，上市時間的壓力可能非常大。這就是為什么瑞薩的核心知識產權部門正在探索不同的方法來自動化其驗證周期中的覆蓋關閉階段。工程師們經歷了一系列不同的挑戰，包括手動分析和分類，以確定未命中覆蓋率，并確保產品隨時可用，并徹底驗證任何邏輯或功能問題。所有這些都必須在每個IP/項目的特定計算預算內完成。

關閉覆蓋的“最后一英里”涉及開發針對未命中覆蓋的定向測試。瑞薩沒有采用編寫定向測試來填補覆蓋漏洞的手動流程，這可能會導致運行數千次投資回報（ROI）未知的回歸，而是渴望通過利用AI/ML技術來嘗試一些新奇的東西，這引發了他們對VSO.ai的興趣。使用機器學習，回歸在VSO.ai中進行優化，以便首先運行高投資回報測試，并自動進行分析以定義規定的見解。

瑞薩憑借VSO.ai取得引人注目的成果

在觀察到VSO.ai的積極成果后，由于瑞薩目前使用新思VCS功能驗證解決方案。無需對設計或測試平臺代碼進行任何修改，VSO.ai就可以集成到現有的VCS回歸環境中。

正如SNUG Japan 2023所強調的那樣，瑞薩通過使用VSO.ai，能夠使用更少的定向測試，對相同的覆蓋率進行更短的回歸，并改進對未命中覆蓋率的根本原因分析。瑞薩無需對龐大的數據集進行手動分析，就可以利用VSO.ai幫助他們的驗證工程師更快地達到覆蓋率目標。這使得能夠在相同的計算預算內運行更多回歸，從而更好地利用硬件并更早地發現缺陷，這是驗證的最終目標。

最終結果不言自明:

使用相同數量的測試將覆蓋率提高了10%，結果質量更高（QoR）

將回歸測試列表縮減2倍

將覆蓋漏洞減少90%

下圖突出顯示了VSO.ai解決方案的主要使用案例。

瑞薩R&D核心知識產權部門的知識產權開發總監田崎敬浩·池野表示:“由于設計復雜性的增加，使用傳統的人在回路技術很快就難以滿足質量和上市時間的限制?！笆褂肧ynopsys.ai EDA套件的一部分Synopsys VCS進行人工智能驅動的驗證，我們在減少功能覆蓋漏洞方面實現了高達10倍的改進，IP驗證生產率提高了30%，證明了人工智能有能力幫助我們應對日益復雜的設計挑戰?！?/p>

瑞薩工程團隊現在可以專注于設計創新和更高價值的程序，同時擊敗競爭對手進入市場，而不是花費大量時間編寫定向測試，從而延長上市時間并仍可能導致漏洞逃逸。

VSO.ai是Synopsys.ai人工智能驅動的EDA套件這提高了整個EDA流程的效率，以應對市場需求增加的設計復雜性，減少人工勞動，并利用可在整個芯片開發過程中收集的可行見解。

要了解有關VSO.ai的更多信息，請注冊SNUG Silicon Valley 2024，參加由NVIDIA舉辦的技術會議:借助Synopsys VSO.ai、ICO和VCS-UNR公司減少人工工作量并實現覆蓋目標。