Skip to Main Content
ホワイトペーパー

機械学習でライブラリ・キャラクタライズの品質と実行時間を改善

高速かつ正確なLibertyキャラクタリゼーションは、デジタルブロック/フルチップ設計フローにおいて、スタンダードセル、メモリ、カスタムセルを使用するスケーラブルな手法を実現する鍵となります。ところが、キャラクタライズするデータが激増し、複雑化したことで、従来のライブラリ・キャラクタライズ/検証手法は、コンピュータリソースや人的リソースの観点からますます高コストになっています。従来手法の拡張ではキャラクタライズのニーズに対応しきれなくなっており、スケジュールの遅延やキャラクタライズ済みデータの検証不足、チップ不良によるリスピンが発生するリスクが高まっています。
本文献では、数学的モデリングと機械学習(ML)を活用してライブラリのキャラクタライズと検証を迅速かつ正確に行う革新的な手法を紹介します。この手法を用いるとキャラクタライズが劇的に加速されるため、あらゆるプロセス、電圧、温度(PVT)の完全な量産精度のライブラリ・キャラクタリゼーションを短い実行時間で実現します。またこの手法では、追加のPVTも即座に生成できます。

共有する