EDA工具
System
IP
SolvNetPlus
培训中心
定义
SmartScaling 是一种利用先进机器学习算法来缩短实际仿真运行时间的方法，从而缓解了在表征多个 PVT 工况时面临的上述挑战。
随着技术的进步以及制程节点从7纳米向3纳米不断缩小，设计预计将在不同工作模式下运行，可能涉及不同的时钟频率以及一系列全局变化。因此，设计必须在数量庞大的工艺、电压和温度（PVT）角下，实现时序和功耗的签核收敛。
在对如此庞大的PVT组合进行表征时，整个行业的库开发团队面临着诸多挑战，例如仿真周转时间长、数据库磁盘空间受限、许可证服务器过载以及硬件成本高昂等问题。
SmartScaling 是如何工作的？
SmartScaling 提供基于机器学习的自适应库表征功能，并支持针对多种 PVT 条件对库进行缩放。这是一种基于PrimeTime® 缩放引擎构建的新方法，该引擎利用现有已表征的库作为锚定 PVT 角点，从而能够即时生成多种额外的 PVT 条件。
SmartScaling 为各种库视图（非线性延迟模型 、NLPM、CCST、CCSN 和 LVF）提供了签核级精度。
下面介绍了 SmartScaling 的两种主要方法。
方法 1
- 基于SmartScaling生成的PVT数据，通过现有已表征数据库获取，用作基准PVT数据。
- 在此，SmartScaling 引擎将基于客户提供的基准角点，在多个 PVT 角点处生成额外的库文件。
方法 2
- 基于SmartScaling的整体多PVT工况角表征，其中引擎将决定对哪些PVT工况角进行全面表征，并对其余工况角进行额外的有限稀疏表征。这种方法本质上是创建了一个数据库，可据此即时生成额外的PVT工况角。
- 20 个 PVT = 5 个锚点特征 + 稀疏特征 + 15 个 SmartScaling PVT 角点
SmartScaling 的优势
SmartScaling 有助于缩短为库表征生成多个 PVT 角点的总体运行时间。用户可以：
- 将文库表征的运行时间缩短3倍至10倍
- 将库的大小缩减至原来的1/3至1/10
- 确保库的准确性
- 免费/即时生成额外的PVT拐角库
SmartScaling 和 新思科技
新思科技 作为其先进器件库表征解决方案的一部分，该公司推出了SmartScaling技术，以应对日益增长的复杂性，并满足对更快、更高效PVT角点生成日益增长的需求。SmartScaling已与PrimeLib集成，后者是一个集成的器件库表征和验证 平台。
借助 SmartScaling 技术，PrimeLib 利用机器学习从锚点 PVT 数据进行扩展，从而帮助客户缩短库表征的运行时间并降低存储需求。该方法可提供符合签核精度的库，用于 PrimeTime 静态时序分析，并支持非线性延迟模型 、NLPM、CCSN、CCST 和 LVF 等高级建模格式。
SmartScaling 通过在不增加任何额外仿真成本的情况下即时生成额外的 PVT 角点，进一步增强了 PrimeLib 的功能，同时既保持了高精度，又减少了对计算密集型特性分析的依赖。
SmartScaling 支持：
- 支持云部署，可在云端和本地环境中实现高度的可扩展性和灵活性。
- 通过将SmartScaling与PrimeLib的优化流程相结合，为先进工艺节点（例如7nm至3nm）提供加速的吞吐量 。
- 与 PrimeTimePOCV 、AWP 以及 EM 分析兼容，确保准确、高效的签核。
新思科技“SmartScaling技术使图书馆团队能够在不牺牲质量的前提下高效满足上市时间 的需求，是现代、基于机器学习的图书馆特征分析策略中不可或缺的工具。”
继续阅读
