Skip to Main Content
白皮书

使用机器学习改善库特征提取的质量和运行时间

高效、准确的库特征提取是全芯片或模块级设计流程的关键步骤之一,因为它能确保所有库单元在所有预期工作条件下按规范运行。但由于特征化数据的复杂性和数量,传统的库特征提取和验证在计算和工程工作量方面的成本变得越来越高昂。随着特征提取需求逐渐超越传统方法的可扩展性,发生进度延迟、特征提取结果验证不完整以及因芯片失效导致重新设计的风险与日俱增。

本白皮书将介绍革命性的创新方法,通过数学建模和机器学习实现快速、精确的库特征提取和验证。这些 方法可显著加快特征提取的速度,在所有工艺、电压和温度 (PVT) 条件下都能提高具有产品级精度的针对整个库的特征提取速度,而且还能近乎即时地为更多 PVT 生成特征提取数据。

分享