지멘스, 데이터용 IC 설계 도구 출시

Jun 19, 2023

IC와 IC에 내장된 장치는 우리의 삶을 더욱 편리하게 만들어 주지만 IC 개발 및 검증에 대한 과제는 계속해서 더욱 심각해지고 있습니다. 오늘날 ASIC 및 FPGA의 엄청난 복잡성이 이러한 추세를 주도하고 있으며 이러한 복잡성은 계속해서 증가할 것입니다. 이 문제를 해결하기 위해 이번 주 Siemens는 데이터 기반 검증 아이디어를 중심으로 한 소프트웨어 플랫폼인 Questa Verification IQ를 공개했습니다.

회사는 새로운 도구 세트를 인공 지능(AI) 기술을 활용하는 팀 기반, 클라우드 지원, 데이터 기반 플랫폼으로 포지셔닝하고 있습니다. Questa Verification IQ는 IC 설계 엔지니어가 검증을 더 빠르게 완료하고, 추적성을 간소화하고, 리소스를 최적화하고, 전체 설계 프로세스 시간을 단축할 수 있도록 돕는 것을 목표로 합니다.

이 기사에서는 오늘날 IC 설계의 과제를 검토하고, Siemens의 새로운 소프트웨어가 데이터 중심 검증을 구현하는 방법에 대해 논의하고, Siemens Digital Industries Software의 검증 관리, 디버그 및 취재 제품 관리자인 Darron May와의 인터뷰에서 하이라이트를 제공합니다.

May는 문제를 이해하기 위해 오늘날의 차세대 IC를 개발하고 검증하는 엔지니어가 직면한 복잡성 문제를 살펴볼 필요가 있다고 말합니다. 요점을 설명하기 위해 May가 공유한 데이터는 Wilson Research Group의 "2022년 기능 검증 연구"에서 나온 것입니다.

보고서에 따르면 현재 ASIC 및 FPGA 프로젝트의 평균 기간은 약 10~12개월입니다. 그리고 흥미롭게도 그 시간의 70%가 실제로 기능 검증에 소비됩니다. May는 “검증에 소요되는 평균 시간은 7~8개월 정도입니다.”라고 말합니다.

May는 시간이 지남에 따라 문제가 더욱 악화되고 있다고 말합니다. 연구에 따르면 ASIC의 최초 실리콘 성공률은 24%로 감소했으며 이는 지난 8년 동안 7% 감소한 수치입니다. "이것은 실제로 몇 년 만에 가장 낮은 산업입니다. 이 연구는 현재 그 정도 기간 동안 진행되고 있습니다"라고 May는 말합니다. 그리고 그 반대를 보면 ASIC 프로젝트의 76%에 리스핀이 필요합니다. 아마도 2~3개의 리핀이 필요하다고 May는 말합니다.

시간적 요인도 문제다. 연구에 따르면 이러한 ASIC 설계 중 1/3만이 실제로 예정대로 완료되고 있습니다. “이러한 지연으로 인해 엔지니어들은 프로세스를 가속화할 수 있는 방법을 찾고 있습니다.”라고 May는 말합니다. 이 모든 것은 마스크 및 웨이퍼 비용 증가와 ASIC 설계를 괴롭히는 기하학적 구조 축소로 인해 더욱 복잡해졌습니다. "따라서 급증하는 모든 비용을 처리하기 위해 이러한 프로세스를 최대한 효율적으로 만드는 것이 정말 중요합니다."라고 May는 말합니다.

FPGA는 실용적인 경우 ASIC의 대안으로 자주 인용됩니다. 그러나 이러한 복잡성 문제로 인해 FPGA 프로젝트는 더 나은 성능을 발휘하지 못하고 있습니다. 연구 데이터를 인용하면서 May는 FPGA 설계의 16%만이 실제로 생산 단계에서 사소한 버그 탈출을 달성한 반면, 그 중 30% 이상이 품질에 영향을 미치는 버그 중 2개 이상을 가지고 있다고 밝혔습니다. “한편, 연구에 따르면 FPGA 프로젝트의 30%만이 제 시간에 완료되고 있습니다.”라고 May는 말합니다. “따라서 ASIC 시장과 매우 ​​유사합니다.”

IC 설계 세계를 이러한 틀에서 벗어나게 하려면 데이터가 개선의 핵심이라는 아이디어를 활용하는 것이 필요하다고 May는 주장합니다. IC 세계에서 이는 데이터 기반 검증으로 전환하는 것을 의미합니다. “데이터에는 전문가가 분석할 수 있는 패턴과 정보가 담겨 있습니다.”라고 그는 말합니다. "이제 대용량 스토리지, 최신 컴퓨팅 인프라, 기계 학습(ML), AI 덕분에 데이터가 데이터 기반 검증의 핵심이 될 수 있습니다."

May는 데이터 기반 검증에서 중요한 세 가지 핵심 동인, 즉 분석, 협업 및 추적성이 있다고 말합니다. 이러한 맥락에서 분석이란 엔지니어가 자신의 전문 지식을 활용하여 데이터를 연구할 수 있도록 검증을 위한 기존 알고리즘을 제공하는 것을 의미합니다. May는 “이는 검증 프로세스 내에서 생성되는 대규모 데이터 세트로부터 학습할 수 있도록 ML의 힘으로 강화됩니다.”라고 말합니다.

협업 부분에서는 엔지니어에게 효율적인 팀 기반 프로세스를 제공하기 위해 필요한 것이 무엇입니까? May는 “이는 팀이 중앙 집중화된 데이터를 관리하고 여러 위치에서 작업할 수 있도록 지원한다는 것을 의미합니다.”라고 말합니다. 마지막으로, 안전 규정 준수를 위해서는 추적성이 중요합니다. 이는 요구 사항, 구현 및 검증 간의 관계 감사를 자동화하는 것을 의미합니다.