加利福尼亚州山景城,2022年10月14日——近日,新思科技(Synopsys, Inc.,纳斯达克股票代码:SNPS)宣布推出突破性的黄金签核ECO解决方案,旨在解决工程设计收敛时间过长的问题,从而提高先进电子设计效率,实现更佳功耗、性能和面积(PPA)目标。新思科技PrimeClosure解决方案将行业领先的ECO签核解决方案——新思科技PrimeECO™和新思科技Tweaker™ ECO——与多种突破性的创新技术相结合,实现更快的ECO收敛时间,同时兼顾高容量和PrimeTime®黄金签核精度。与传统的ECO流程相比,早期客户采用PrimeClosure解决方案实现了时序提高45%、功耗降低10%、ECO迭代次数减少50%、设计效率提升10倍。
Socionext全球开发事业群后端开发部总经理Kenta Sokawa表示:“我们专注于汽车、数据中心、网络和智能设备等领域的大型先进节点设计,因此ECO的快速周转时间对于我们实现业务成功至关重要。新思科技PrimeClosure解决方案将我们的周转时间加快了5倍以上,使用的机器内存减少了3倍,所需的机器资源减少了5倍。这些初步成果令人振奋,我们希望与新思科技开展进一步合作,携手突破传统的ECO挑战,将大型设计项目的设计收敛效率提升10倍以上。”
新思科技PrimeClosure解决方案已可供早期客户使用,预计将于2022年12月全面上市。
加速设计收敛
数据中心、便携设备、汽车电子、人工智能和物联网等应用领域都对PPA提出了更高的要求。先进工艺节点的发展产生了新物理规则和影响PPA的新效应。深亚微米设计的规模和复杂性都非常巨大,因此为修复问题而进行的每一次分析和ECO优化都需要更长时间,并消耗更多的计算资源。处理大量违例并推进收敛以将其减少至零,是ECO的一个重要挑战。
新思科技PrimeClosure解决方案具备创新的针对性优化功能,能够极大地改善PPA、时序、时钟网络、压降、变异性和老化等设计指标。该解决方案与新思科技Fusion Compiler™ RTL-to-GDSII解决方案、新思科技PrimeTime静态时序分析解决方案紧密集成,能够实现黄金签核精度,从而提供完整流程以加快大型设计项目的设计收敛和上市时间。
借助其创新的千兆芯片层次化设计技术,新思科技PrimeClosure解决方案能以相对较少机器数量,针对具有十亿级规模标准单元和数百种分析场景的设计进行无缝扩展,从而实现业界领先的快速设计周转时间。它的优化剪枝技术可以有效筛选数以千计的场景和数以百计的层次化模块,减少需要优化的数据集数量,最终使设计周转时间加速超过40%,减少高达60%的内存消耗。
优化“最后一英里”先进芯片设计收敛
“最后一英里”的设计优化对于实现最佳PPA至关重要。对此,新思科技PrimeClosure解决方案可以直接使用业界领先的新思科技数字设计系列产品(Digital Design Family)中逐步启用且不断增加的布局、布线、参数提取、物理验证、等效检查和签核技术。此外,新思科技PrimeClosure解决方案集成了Ansys RedHawk-SC数字电源完整性签核解决方案,实现了突破性的自动化后期黄金签核时序ECO解决方案,可准确计算和修复高达50%的后期动态压降违例,并在不影响芯片时序的情况下极大程度地提高能效比。这种单一环境的设计收敛套件可以确保每一项变更都得到充分实现和验证,并为布局、布线和时序协同优化创造新机会,从而实现传统设计收敛流程无法达到的PPA优化效果。
新思科技数字设计事业部工程高级副总裁Jacob Avidan表示:“提高超收敛设计效率需要能够在巨大设计空间中快速且有效地优化 PPA 目标的创新解决方案。新思科技PrimeClosure产品为业界提供了一个突破性的黄金签核ECO解决方案,使开发者能够自信地找到设计收敛的最快路径,因此公司能够在更短的时间内完成更多的工作。”
###
关于新思科技
新思科技(Synopsys, Inc.,纳斯达克股票代码:SNPS)是众多创新型公司的Silicon to Software™(“芯片到软件”)合作伙伴,这些公司致力于开发我们日常所依赖的电子产品和软件应用。作为全球第15大软件公司,新思科技长期以来一直是电子设计自动化 (EDA)和半导体IP领域的全球领导者,并且在软件安全和质量解决方案方面也发挥着越来越大的领导作用。无论您是先进半导体的片上系统 (SoC)开发者,还是编写需要最高安全性和质量的应用程序的软件开发者,新思科技都能够提供您所需要的解决方案,帮助您推出创新性、高质量、安全的产品。
好文章,需要你的鼓励
DDN推出Infinia对象存储系统,采用键值存储架构和Beta Epsilon树数据结构,实现读写性能平衡。系统在对象列表性能上比AWS快100倍,延迟降至毫秒级,支持多租户和SLA管理。通过与英伟达合作优化RAG管道,在AWS上实现22倍性能提升并降低60%成本。
大连理工大学和浙江大学研究团队提出MoR(Mixture of Reasoning)方法,通过将多种推理策略嵌入AI模型参数中,让AI能自主选择最适合的思考方式,无需人工设计专门提示词。该方法包含思维生成和数据集构建两阶段,实验显示MoR150模型性能显著提升,比基线模型提高2.2%-13.5%,为AI推理能力发展开辟新路径。
Alpine Linux核心开发者Ariadne Conill推出了Wayback项目,这是一个实验性的X兼容层,允许使用Wayland组件运行完整的X桌面环境。该项目本质上是一个提供足够Wayland功能来托管rootful Xwayland服务器的存根合成器。与现有的XWayland不同,Wayback旨在创建一个类似X11风格的基于Wayland的显示服务器,让用户能够继续使用传统的X11窗口管理器和桌面环境,而无需重写或替换这些熟悉的工具。
剑桥大学研究团队开发了FreNBRDF技术,通过引入频率修正机制显著提升了计算机材质建模的精度。该技术采用球面谐波分析提取材质频率信息,结合自动编码器架构实现高质量材质重建与编辑。实验表明,FreNBRDF在多项指标上超越现有方法,特别在频率一致性方面改善近30倍,为游戏开发、影视制作、电商预览等领域提供了重要技术支撑。