EDA怎么實現并行化

EDA（Electronic Design Automation電子設計自動化）之所以存在，是因為半導體公司覺得開發(fā)和維護工具的成本太昂貴，不過如果EDA想要繼續(xù)好好生存下去，就得努力成為創(chuàng)新周期的一部分了。

為什么機器學習（machine learning）想要在EDA中產生影響仍然需要很長時間？與該領域的專家交談時，了解到一個事實，硬件設計與機器學習應用有非常大的不同。Brian Bailey,?作為一位超過35年工作經驗的EDA工具開發(fā)人員告訴我們，如今EDA公司面臨的一個巨大挑戰(zhàn)仍然是要去加速仿真。許多公司已經在該領域投入了大量資金，帶給用戶和投資者的卻往往是令人失望的結果。其中的問題在于設計中的隨機性活動。

Brian Bailey曾經參與到第一個RTL仿真器?– Hilo的開發(fā)。作為一名年輕的大學畢業(yè)生，他的一項任務是將Hilo移植到當時所存在的大量計算機結構中。大型主機，小型計算機，早期的CDA工作站，他們使用的處理器和操作系統(tǒng)都是不同的。移植的第一步會涉及到發(fā)送給制造商的調查問卷，根據調查問卷里的答案，可以知道怎樣寫源代碼可以使移植更容易一些，同時也會知道這樣的移植大概會表現得怎么樣。Hilo通常會成為緩存結構來處理大量內存的隨機訪問。

隨機（Random）是一個關鍵詞。Brian Bailey經常會去想，仿真器的數據結構是什么時候建立的，內存是否可以更像交通流量一樣在設計中被組織起來。他認為這是值得去努力的，有人會做到這一點。

但并非所有EDA中的數據都是非結構化的。跟蹤數據（trace data）是功能驗證和調試所必需的，它是非常結構化的。之所以這么說，是因為它基于時間，很多都是規(guī)則的。事實上，在Brian Bailey開始去構建現在被稱為機器學習系統(tǒng)的近30年之后，他才有了一個想法，可以在多次運行中查看大量的跟蹤數據，并查找測試向量和測試向量中的異常情況。雖然如今的系統(tǒng)獲得了一定的成功，但它們在處理過程中的功耗實在是太大了，在以前他們僅限于用在單處理器結構上可能并不覺得。

EDA一直在尋找方法，希望可以完全捕捉到并行的處理過程，進展卻很緩慢。很大程度是因為隨機化的問題，Brain Bailey認為還有一個很重要的原因是EDA的生存空間正在被壓縮。Mentor的CEO，Wally Rhines，在很多貿易展會上也提到過，EDA在半導體銷售額中的比例一直比較穩(wěn)定，但如今的EDA公司需要將沒有增加的錢投資到比以前更多的領域，每一項新技術的開發(fā)對EDA公司而言都是巨大的投資。此外，EDA公司還在追求一些方面，比如在抽象級上的提升，去涵蓋更大的系統(tǒng)視圖，以及一些必要的容量增加。

想要實現并行化（Parallelization）通常是很難的。ANSYS公司的Preeti Gupta這樣給我們解釋，如果去做字典搜索（dictionary search），想要在字典中找到Brian這個名字，可以將字典分成500個部分，將它們分別發(fā)放到500個不同的機器中，將獲得的500個答案匯總到一起看。這樣做是很盲目沒有準確性的，因為你得到的每一個答案都跟其他的答案是無關的。當我們考慮EDA的問題時，卻往往環(huán)環(huán)相扣，任何一環(huán)的輸出都會影響另一環(huán)的輸入。這里就出現我們最大的挑戰(zhàn)了，如何將這種高度關聯的問題進行空間并行化。

Brian Bailey也認為這是一個非常大的挑戰(zhàn)，不過已經有很多數據表明，可以用機器學習和大數據去解決這個問題。通過行業(yè)標準工具可以使用的形式，提供對所有數據的訪問，這也意味著會將權利交給用戶，這會令EDA公司感到有些恐懼，因為他們會失去一定程度的控制權。更有可能發(fā)生的情況是，用戶開始這樣去做了，卻發(fā)現跟以前一樣，對他們自己而言這樣的投資是不合算的，他們會要求EDA公司去接管他們的工作并將其商業(yè)化。

這其實是一個循環(huán)，但它有一個前提是，讓用戶能夠自己尋找新的解決方案。EDA公司必須公開他們的數據并且相信他們的客戶，這樣半導體公司也可以成為EDA創(chuàng)新周期的一部分了。