<acronym id="s8ci2"><small id="s8ci2"></small></acronym>
<rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
<acronym id="s8ci2"></acronym>
<acronym id="s8ci2"><center id="s8ci2"></center></acronym>
0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

利用 Cadence Optimality 智能引擎突破人工仿真瓶頸

深圳(耀創)電子科技有限公司 ? 2024-05-11 08:12 ? 次閱讀

不可避免的,設計與制造硅芯片是一個日益復雜、耗時且昂貴的過程。該過程中每一個步驟都需要做決策:在這個特定關頭該投入多少時間或預算,才能確保完成整個設計流程時,芯片能盡可能有效率地運作并且避免代價高昂的錯誤?

而若想要實現一次就成功的設計,精確的電磁(EM)仿真是關鍵步驟──這也是最耗費時間的步驟,因此 Cadence 打造了 Clarity 3D Solver 工具,具備比傳統 3D 電磁場求解器快 10 倍的性能,可以確保復雜的 EM 挑戰被實時解決。

利用大規模分布式云端技術,以及平行化、編程優化與革命性的網格生成軟件,Clarity 3D Solver 讓設計和執行電磁仿真的流程比以往更快,并使任何潛在的破壞性EM干擾問題能在設計流程初期獲得紓解。

不過事實證明,只從系統本身解決可以移除的瓶頸是不夠的。盡管能極其快速地執行個別仿真,但這并不代表能夠在流程結束時取得最佳優化的設計。

與人工密切相關的問題

問題出在哪?問題在于這樣的設計流程還是大幅仰賴工程師自身的直覺與參與;每一次仿真的結果、判定與調整參數,都需要熟練的工程人員來操作。

而這終究會限制仿真可以被執行的次數。試想一個擁有10項可控參數的設計仿真案例,且每項參數都有10種可能的數值;為了優化此設計直到可以被改善的極限,我們需要仿真所有可能的情境,然后從每一項參數中判定出性能最佳的數值組合。

那么,10的10次方仿真次數,代表的是100億次模擬!

這可能得花幾十年時間才能完成,所以工程師會選擇他們認為最接近優化的數值,執行幾次仿真;然后查看結果、進行分析、調整參數值,并執行更多仿真。

無可避免地,在多次反復迭代之后,他們會到達一個決策點:是要投入所有必要的時間與成本繼續進一步優化,還是宣告設計已經優化,然后前進到生產步驟?毫無疑問,最終產品會運作良好──盡管完美度或許不如以無限時間與精力執行更多仿真之后所達到的那樣好。

人工智能改變一切

這就是使用 Cadence Optimality Intelligent System Explorer 智能系統引擎所能夠解決的問題。通過使用能夠進行設計優化的人工智能 (AI) 算法取代傳統優化工作流程中的人工參與,我們最終能否實現真正的優化設計?

27e365c8-0f2b-11ef-9118-92fbcf53809c.png

答案是當然可以!利用強化學習——就像在Cadence JedAI (Joint Data and Analytics)平臺上所使用的——我們可以非??焖俚亟?a target="_blank">機器學習(ML)模型,以了解任何規?;驈碗s程度的系統的優化設計。強化學習的效果令人滿意,因為它不需要非常密集的訓練;在每一次迭代中,Optimality Explorer 都會取得更多數據樣本,用以進一步精煉并完善其算法的精確度。

其結果是一個更理想的設計,而且比任何人工操作在過去所宣稱的最佳化成果更快速、更高效率,風險更小。藉由Optimality Explorer可以在多個并行(concurrent)仿真中更快地做出決策,其客戶實現了以高于傳統人工方法10倍的速度完成設計,在某些情況下加速高達100倍,而且通常在20到50次迭代中即可得到滿意的結果。如此顯著地減少設計所需時間,意味著產品上市時程也能夠大幅縮短。

在某次測試中,人工設計工程師與Optimality Explorer比賽進行一個復雜PCB設計;Optimality Explorer只經過 34 次反復迭代就實現了明顯比人工設計性能更好的設計。

重點是,人類主導的仿真一次只能完成一個或者兩個,Optimality Explorer 卻能執行、分析并重新執行大規模平行仿真,中間幾乎沒有停頓——這在過去可能需要滿屋子的工程師才能做到。

Optimality Explorer 未來發展


Optimality Explorer已經與 Clarity 3D Solver 以及 Cadence 高速信號電源完整性(SI/PI)平臺 Sigrity X 完全整合,藉由讓 Optimality Explorer 分擔系統級 SI 與 PI 仿真分析任務,設計工程師能更快實現優化設計,減少重新設計的需要并加速整體上市時程。

Cadence 用戶利用 Optimality Explorer 引擎中的 Clarity 3D Solver 與 Sigrity X 已取得驚人成功,Cadence 現在正在努力集成其他產品──從 Celsius Thermal Solver 開始,該產品是業界首創完整電熱協同仿真解決方案,適用于從 IC 到實體封裝機殼的所有電子系統層級。

同樣的,這也是為了讓設計團隊能把設計優化交給 Optimality AI 算法,從而在設計流程初期更快地檢測與紓解散熱問題,顯著減少達到真正優化所需的設計時間。

短期之內,Cadence Fidelity CFD 計算流體力學產品也將集成到Optimality Explorer 中,讓真實世界物體的大規模平行化仿真能飛速達成優化設計,而且幾乎不需要人類干預。

將 Fidelity CFD 導入 Optimality Explorer 對于汽車產業尤其具有龐大價值,汽車行業具有近乎無限的潛力,可以根據任意數量的參數對車輛進行微調──從外部的空氣動力學到內裝的舒適度,以及動力傳動系統效率等各種參數。

目前只是 Optimality Explorer 旅程的開端,自問世以來,我們已經看到許多例證,展現其改變我們執行系統分析的方式以及可以實現的效率的能力。這意味著 Cadence 最初的愿景──打造能確保從芯片到巨無霸噴射機等所有產品都能充分發揮性能的工具——只需要幾次優化即可實現。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • Cadence
    +關注

    關注

    62

    文章

    884

    瀏覽量

    140841
  • 仿真
    +關注

    關注

    50

    文章

    3876

    瀏覽量

    132228
  • 電磁仿真
    +關注

    關注

    2

    文章

    70

    瀏覽量

    19683
收藏 人收藏

    評論

    相關推薦

    5G智能物聯網課程之Aidlux下人工智能開發(SC171開發套件V2)

    :芯片模組外觀檢測實訓part3 12分32秒 https://t.elecfans.com/v/25611.html *附件:芯片模組外觀檢測實訓.pdf 人工智能 機器人:基于融合系統的機器人仿真
    發表于 05-10 16:46

    Cadence與NVIDIA聯合推出利用加速計算和生成式AI重塑設計

    中國上海,2024 年 3 月 25 日——楷登電子(美國 Cadence 公司,NASDAQ:CDNS)近日宣布,公司將深化與 NVIDIA 在 EDA、系統設計與分析、數字生物學和人工智能領域的多年合作,推出兩款變革性解決方案,利用
    的頭像 發表于 03-25 14:36 ?242次閱讀

    Cadence收購BETA CAE Systems,加速智能系統設計戰略

    近日,楷登電子(Cadence)宣布與BETA CAE Systems International AG達成收購協議。BETA CAE作為全球領先的多領域工程仿真解決方案供應商,其卓越的系統分析平臺將助力Cadence加速推進
    的頭像 發表于 03-08 13:44 ?256次閱讀

    Cadence AI 驅動的多物理場系統分析解決方案助力緯創大幅提升產品開發速度

    ?Optimality ?Intelligent System Explorer 和 Cadence Clarity ?3D Solver ,用于設計其復雜的 800G 網絡交換機
    的頭像 發表于 12-25 10:10 ?212次閱讀
    <b class='flag-5'>Cadence</b> AI 驅動的多物理場系統分析解決方案助力緯創大幅提升產品開發速度

    利用SPICE模型能不能進行PCB的SI仿真?

    現想用Cadence做PCB的的SI仿真,但是AD8139沒有IBIS仿真模型,只有SPICE模型,請問利用SPICE模型能不能進行PCB的SI仿真
    發表于 11-22 08:11

    ai人工智能機器人

    隨著時間的推移,人工智能的發展越來越成熟,智能時代也離人們越來越近,近幾年人工智能越來越火爆,人工智能的應用已經開始滲透到各行各業,與生活交融,成為人們無法拒絕,無法失去的一個重要存在
    發表于 09-21 11:09

    《通用人工智能:初心與未來》-試讀報告

    作者給出的結論。整體讀下來,可以給我們關于通用人工智能全面的了解。作者也反復強調了通用人工智能與專用智能的區別。尤其是人們錯誤的認為一堆專用智能堆砌起來就是通用
    發表于 09-18 10:02

    數字下變頻在人工智能引擎上的實現應用說明

    電子發燒友網站提供《數字下變頻在人工智能引擎上的實現應用說明.pdf》資料免費下載
    發表于 09-13 15:06 ?0次下載
    數字下變頻在<b class='flag-5'>人工智能</b><b class='flag-5'>引擎</b>上的實現應用說明

    CadenceLIVE 精彩回顧 | 加速多物理場系統仿真布局,Cadence 的幾大“法寶”

    演講,分享公司在多物理場仿真方面的產品布局,并重點介紹了旗下幾款明星產品是如何幫助客戶高效處理系統設計中因為復雜結構帶來的挑戰的。 ? 基于智能系統設計戰略 從 EDA 向 SDA 轉變 ? 2018 年 Cadence 推出了
    的頭像 發表于 09-04 17:10 ?590次閱讀
    CadenceLIVE 精彩回顧 | 加速多物理場系統<b class='flag-5'>仿真</b>布局,<b class='flag-5'>Cadence</b> 的幾大“法寶”

    如何將人工智能應用到效能評估系統軟件中去解決

    ,我們可以將其應用到效能評估系統中,進一步提高效能評估的準確性和實用性。   華盛恒輝可以利用人工智能技術,通過對大量數據的分析,來識別和評估各個業務環節的表現,從而對效能進行評估和監測。此外,我們還可
    發表于 08-30 12:58

    突破不確定性:生成式人工智能重塑管理

    人工智能應用逐步普及的今天,一些廠商基于人工智能技術,開始打造針對特定行業或領域的管理輔助工具,嘗試利用人工智能幫助企業管理者突破認知邊界,構建融合人類經驗和
    的頭像 發表于 08-29 14:53 ?451次閱讀
    <b class='flag-5'>突破</b>不確定性:生成式<b class='flag-5'>人工智能</b>重塑管理

    GPU如何突破算力供需瓶頸

    演講嘉賓,探討后GPT時代算力需求激增帶來的挑戰以及GPU如何突破算力供需瓶頸、推動人工智能產業普惠化發展。 ? 沐曦聯合創始人、CTO兼首席硬件架構師彭莉 發表主題演講 在題為“后GPT時代的算力需求”的演講中,彭莉預測大模型
    的頭像 發表于 08-22 10:26 ?952次閱讀

    人工智能引擎是什么?人工智能引擎的作用?人工智能引擎有哪些?

    人工智能引擎是什么?人工智能引擎的作用?人工智能引擎有哪些?
    的頭像 發表于 08-15 16:07 ?2045次閱讀

    如何利用人工智能

    如何利用人工智能 人工智能是一種能夠模擬人類智能,執行需要智力的工作的技術,它通過處理數據、識別模式和提供算法解決方案來進行智能化分析和決策。隨著科技的發展,
    的頭像 發表于 08-12 16:49 ?2149次閱讀

    【書籍評測活動NO.16】 通用人工智能:初心與未來

    的新一波人工智能正在興起。自然語言處理、人臉識別、自動駕駛、無人系統等復雜人工智能任務相繼取得大的突破,人工智能在很多特定問題(如圍棋、《星際爭霸》游戲、醫療診斷等)的解決上甚至超過了
    發表于 06-21 14:41
    亚洲欧美日韩精品久久_久久精品AⅤ无码中文_日本中文字幕有码在线播放_亚洲视频高清不卡在线观看
    <acronym id="s8ci2"><small id="s8ci2"></small></acronym>
    <rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
    <acronym id="s8ci2"></acronym>
    <acronym id="s8ci2"><center id="s8ci2"></center></acronym>