前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >专题 | Innovus 2020: 创新,永无止境

专题 | Innovus 2020: 创新,永无止境

作者头像
老秃胖驴
发布2020-09-14 16:43:31
1.5K0
发布2020-09-14 16:43:31
举报
文章被收录于专栏:陌上风骑驴看IC陌上风骑驴看IC

Innovus 自诞生以来,就以『多快好省』四大神功,横扫天下。一边是设计规模跟设计复杂度不停增加,一边是工艺结点不断缩小,驱使着PR 工具风驰电掣地往前奔跑,从2020 年CdnLive 大会上C 记Innovus 研发VP 罗博士的精彩演讲中可以看到Innovus 的众多耀眼创新,强烈建议反复回看,十分强烈建议自己动手用一用试一试,有的东西不试永远不知道其迷人之处。老驴根据自己的观后结合原演讲思路总结为:

  • PPA, EDA 工具PPA 的提升必定要靠其背后强大的算法革新,2020 年C 记数字实现端最亮眼的新技术非iSpatial 莫属,iSpatial 将Genus 强大的mapper 跟Innovus 强大的Giga placer 完美结合,相互汲取,相互补偿。在综合端因为可以看到更真实的物理信息,所以可以更好地优化Congestion, 可以得到更好的Correlation 及Prediction; 在P&R 端可以借助Genus mapper 引擎做CRR 所谓的CRR 指Critical Region Restructuring 即对关键路径做逻辑重构,这就使得P&R 工具不再只是对已有逻辑摆放绕线,而是可以做进一步的逻辑优化,从而得到更好的PPA, 老驴以为P&R 可以改名为O&P&R 了 —— 题外话,某客户曰:之前我是某工具的死忠粉,但是因为某个block congestion 严重实在无法解掉,尝试用了Genus, 效果惊人,从此对Genus 刮目相看 —— 老驴以为每个工具都有其特别擅长的设计,我相信任何一个工具都能轻松应对90% 的设计,但我们的目标不止是可收敛,而是PPACC: Performance, Power, Area, Congestion, Cost 都要更优。Innovus 2020 除了CRR 还有其他改进PPA 算法的革新,如ECF 跟CCOPT 的改进。
  • TAT, 从老驴初入EDA 这个坑开始,每次拿到工具的最新更新培训材料,都会有运行时间跟容量的改进,每一个工具都是如此,一直持续自今,深刻感觉到人类对算力的需求永无止境,代表全人类感谢那些为了加快运行时间增加工具运算能力付出青春和生命的人们。
  • Mixed Placement, 老驴之前写过几篇关于Mixed Placement 的文章,老驴也在若干项目中试过,这东西真好用,作为一个综合工程师,在项目早期还没有一个成熟的Floorplan 时,在Genus 中通过predict_floorplan 调用Innovus 快速做一次Mixed Placement 做一个Floorplan 出来,就可以愉快地在设计非常早期开始玩Ispatial 了,这东西曾帮老驴在某项目上及早发现了槽糕设计的Congestion 问题,因为在设计早期,设计的兄弟们也承认自己代码写得不咋滴也愿意更改代码,省了许多后期不必要的撕扯麻烦。据某后端兄弟说,对于memory 特别多的设计,Mixed Placement 摆出的floorplan 基本没有输给过硅农自己摆的结果,所以强烈建议后端兄弟们在memory 多的时候,先上mixed Placement 摆一把,然后再在上面微调,尤其是设计早期设计频繁更改时,mixed Placement 绝对值得你拥有,省时省力——在AI 时代,要相信,在运算方面机器一定比人更擅长。Innovus 2020 的mixed Placer 在原有功能的基础上,增强了对I/O 的处理能力。
  • Innovus PI, 在曾博士的分享中《专题 | 后摩尔时代,SignOff 挑战及解决方案》也有提及Innovus PI, 也就是从Place 到CTS 到Route 都可以是IR-Aware 的,且都有对应的手段去尽量减少IR/EM 的违例数量,完全可以做到早发现早治疗。
  • Machine Learning, IC 行业的大热点, EDA 的大热点,是个从业者都可以来上一段,然而这玩意儿谈起来高大上,落地却很难,各大厂投入了巨大的人力物力,终于可以看到Machine Learing 带来的收益了,深感欣慰。对于EDA 来说,提及ML 都会自动分成两类:ML inside 跟ML outside, 所谓ML inside 就是将ML 的算法集成到EDA 工具内部,用来提升工具本身的智能;相对的ML outside 就是利用ML 的算法去挖掘工具的极限,给一个设计就能找到一组对应的工具变量及设计约束设置,在这组设置下可以得到最优解或近似最优解。Machine Learning 在EDA 领域的应用,未来可期,据说除了EDA 三巨头,谷歌有许多在研黑科技,十分期待!
  • Early Hierarchical Floorplan, 老驴看到过某个小兄弟做这事儿,是个牛逼的东西,后端同学的福音,对做大芯片的朋友们有巨大帮助。
  • Vivid Metrics, 这是个用过一次会上瘾的东西,数据的呈现堪称完美,在一个网页内可以得到所有需要的信息,用李佳琦的话就是:用它用它用它!!!

驴说IC

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-09-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 陌上风骑驴看IC 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档