隨著應用要求的激增和用戶需求的增加，硬件設計變得更加復雜。市場趨勢的快速變化，以及對電動汽車等技術的更多關注，決定了對高效電源管理和高性能處理的需求水漲船高。隨著 SoC 設計規(guī)模的擴大，復雜程度的增加，驗證吞吐量仍然是一個瓶頸，單純依靠增加 CPU 核數(shù)量和運行更多的并行測試治標不治本。上述因素的疊加讓驗證工程師面對復雜設計的壓力與日俱增。

驗證永遠不會完成；當你的時間用完時，它就結(jié)束了。目標是在你耗盡時間之前使驗證過程收斂。每個人都希望看到關鍵指標收斂到目標，并在嚴格的成本和時間限制下做到這一點。想象一下，坐在駕駛艙里，向黑匣子輸入信息，然后等待奇跡發(fā)生（按一個按鈕，你的工作就完成了）。當務之急是人工智能和機器學習（AI／ML）如何幫助我們更快地完成回歸，節(jié)省調(diào)試時間，實現(xiàn)驗證／覆蓋率目標，并管理資源和資金——換句話說，我們?nèi)绾问褂?AI／ML 來提高驗證的效率？

瑞薩公司也面臨著類似的挑戰(zhàn)。市場壓力和嚴格的投片時間表促使他們尋找一種技術／方法來優(yōu)化仿真回歸，并在整個產(chǎn)品開發(fā)過程中加速設計驗證過程。他們希望減少風險，盡早發(fā)現(xiàn)盡可能多的錯誤，能夠快速調(diào)試，并滿足其終端用戶的要求。

瑞薩開始探索 Cadence Xcelium 機器學習應用。這個應用程序使用機器學習技術來優(yōu)化仿真回歸，以產(chǎn)生一個更緊湊的壓縮回歸。然后這個優(yōu)化的回歸被用來重現(xiàn)與原始回歸幾乎相同的覆蓋率，并通過運行現(xiàn)有隨機測試平臺可能出現(xiàn)的邊界場景，快速找到設計錯誤。

瑞薩的測試結(jié)果非常完美，整個隨機驗證回歸的時間縮短了 66％，大幅節(jié)省了資源，成本和時間。Xcelium ML App 幫助瑞薩在保證 100％覆蓋率的同時將壓縮效率提高 2．2 倍。此外，將 ML 回歸用于首次設計迭代時，瑞薩再次實現(xiàn)了 100％覆蓋率下，將時間縮短 3．6 倍。

基于 ML 的測試回歸次數(shù)僅為 1168，相當于 3774 次原始回歸的 1／3。實現(xiàn)目標所需時間縮短了 30％，滿足了嚴格的上市需求。

除了利用 Xcelium ML App 節(jié)省資源和時間，加速實現(xiàn)設計收斂，瑞薩也評估了由 3款 Verisium App 組成，基于 AI 的 Cadence Verisium 平臺，將驗證生產(chǎn)力提高了 6 倍，共節(jié)省 27 個工時。

瑞薩評估的 App 如下：

·Verisium AutoTriage，一款基于 ML 的自動化測試失敗分類程序，可以將相同錯誤導致的測試失敗自動分組。失敗分組耗時降低了 70％，整體效率提升了 3．3 倍。

·Verisium SemanticDiff 幫助瑞薩快速識別失敗原因，比傳統(tǒng) diff 工具更加高效。SemanticDiff 專注于設計環(huán)境，可以提供更相關的差異分析。此外，逐條檢查 diff 指令的歷史文件是很繁瑣的，SemanticDiff app 可以大幅縮短糾錯時間，顯著提升效率。

·Verisium WaveMiner 可以高效識別差異點，用戶可以在 PASS 和 FAIL 中將差異點可視化，便捷地比較 PASS 和 FAIL 的波型及源代碼。瑞薩的糾錯時間得以縮短 89％－97％，帶來 9 倍的效率提升。

Cadence 的 Verisium 平臺和 Xcelium ML 應用一起提供了一套利用 AI／ML 的應用，以優(yōu)化驗證工作負載，提高覆蓋率，并加速復雜 SoC 上設計錯誤的根源分析。瑞薩公司利用人工智能平臺，將其驗證生產(chǎn)率提高了 10 倍。

關于 Cadence

Cadence 是電子系統(tǒng)設計領域的關鍵領導者，擁有超過 30 年的計算軟件專業(yè)積累�；�于公司的智能系統(tǒng)設計戰(zhàn)略，Cadence 致力于提供軟件、硬件和 IP 產(chǎn)品，助力電子設計概念成為現(xiàn)實。Cadence 的客戶遍布全球，皆為最具創(chuàng)新能力的企業(yè)，他們向超大規(guī)模計算、5G 通訊、汽車、移動設備、航空、消費電子、工業(yè)和醫(yī)療等最具活力的應用市場交付從芯片、電路板到完整系統(tǒng)的卓越電子產(chǎn)品。Cadence 已連續(xù)九年名列美國財富雜志評選的 100 家最適合工作的公司。如需了解更多信息，請訪問公司網(wǎng)站www．cadence．com。