用機器學習提升資料庫特性化(Improving Library Characterization with Machine Learning)
時間2019-05-30
分類 Whitepaper
高效且準確的資料庫特性化,可確保所有資料庫元件皆能夠依照預期的全部操作條件合乎規格地予以執行,因此成為全晶片或區塊層級設計流程之中的關鍵步驟。然而,由於特性化資料的複雜性及數量的龐大性,傳統的資料庫特性化和驗證在運算和工程作業量上的成本也日漸高昂。隨著特性化需求逐漸超過傳統方法論的可擴展性,時程延遲、特性化結果驗證不完整以及晶片故障導致重新設計的風險亦呈現增加趨勢。本白皮書將介紹革命性的創新方法,即透過數學建模和機器學習,達成快速而準確的資料庫特性化與驗證。這些方法可明顯加快特性化的速度,不僅能在所有製程、電壓及溫度 (PVT) 下提升具有生產級準確度的完整資料庫特性化速度,還能近乎即時地為生成更多 PVT 特性化資料。