AI驱动的设计应用
硅生命周期管理平台 (SLM) 是一套全新的流程,其在半导体元件的设计、制造、测试和最终用户系统部署的过程中,对半导体元件进行监控、分析和优化。
由于芯片和系统日益复杂,加之对性能和可靠性的要求也日益严苛,设计团队迫切需要在半导体元件整个生命周期内,对其进行持续的维护与优化。
SLM 基于两个基本原则:
通过每个芯片中嵌入的监控器和传感器,衡量各种场景和条件下,特定的行为表现,深入了解每个芯片的运行,从而扩展从测试和产品工程中取得的数据,满足第一条原则。对这些芯片数据进行有目的性的分析,能够优化半导体生命周期的每个环节,从设计导入、制造流程、量产测试、初启直至现场运行。
众所周知,必须首先对芯片运行的各个方面进行详细的测量,才能获取在其生命周期过程中进行有效分析与决策所必需的知识。数据来源于工艺/电压/温度 (PVT) 传感器、可测性设计 (DFT) 和内置自测试 (BIST) 资源、结构和功能监控器、嵌入式片上分析,以及将芯片获得的信息传输至某个特定位置,进行进一步的分析、控制和优化。
整合每个生命周期环节获得的芯片运行数据,能够进一步丰富数据的维度。在每个生命周期环节实施有目的性的分析,可对每个环节进行具体优化。凭借经扩展的知识库,设计人员能够大幅提升每个生命周期环节的分析深度和优化机会。
硅生命周期管理为芯片设计师和芯片最终用户带来多种优势,其中包括更优的芯片性能、更顺畅、快速的产品初启,以及整个芯片生命周期中更出色的性能和安全性。更多具体的优势包括:
在生产测试过程中获得的硅数据可用于校准设计建模参数。振荡器测量、关键通路测试结果、工艺/电压/温度 (PVT) 监控器都属于此类数据来源。
通过一系列的数据挖掘、关联性和根本原因分析,芯片设计中所用模型的稳定性和准确性得以改善。这让初始芯片设计能够更快速实现优化的结果。
此流程把硅数据和物理设计数据相关联,以识别系统性的良率限制问题。硅数据来源包括测试失效诊断数据、工艺/电压/温度 (PVT) 传感器数据以及结构数据。
通过一系列的数据挖掘、关联性和根本原因分析,可识别显著的良率损失机制。这能够加快“良率学习”流程,从而优化最终产品良率。
此流程通过持续分析硅和生产测试数据,不断调整测试和筛检标准。优化后的测试标准将缩短测试时间,确保只将良好的元件放行至产品线。
此数据来源包括生产测试结果、工艺/电压/温度 (PVT) 传感器数据以及结构监控器数据。通过数据挖掘、监控/分析和报告,能够实施自适应测试警报和更完善的控制措施。同时还更能够检测出异常值或者性能在正常限值之外的芯片。
其结果是有效缩短测试时间,交付的芯片质量得以改善。
在任何一个复杂的芯片中,分层互连、异构处理器、各种操作系统和裸机软件之间存在互动。所有互动必须相互协调,才能得到满足上市要求的芯片和系统。然而,大多数系统在设计时都无法真正了解最终系统部署后工作负载会是什么情况,这无疑让这一挑战雪上加霜。
SLM 通过深入了解芯片上的计算、通信和存储资源的功能,这些挑战将迎刃而解。芯片内嵌入的功能监控器和结构监控器,再加上分析软件,能够更快速、更深入了解芯片运行行为以及芯片如何与整个系统互动。此外,在系统的有效运行期内,工作负载会变化,软件和固件要求会变化,晶体管也会老化。SLM 还提供各种信息分析,使芯片和系统适应这些变化,从而使开发时间更短、验证效率更高以及长期性能更佳。
在芯片运行期内,硅芯片的性能无法保持永久不变。随着时间的推移,硅结构的老化效应会改变元件的性能特征。系统运行环境也可能促使芯片性能发生变化。这些因素包括:环境温度效应;工作负载变化所带来的影响;电气运行参数。安全漏洞也可能影响芯片性能。
在如今的系统中,半导体元件执行越来越多的关键任务型和安全相关的功能。这导致元件的稳定性和可靠性更加重要。其中许多系统有较长的运行周期,而时间也促使半导体元件的性能逐渐发生变化。
芯片生命周期管理提供数据收集、分析和控制环境,从而监控这些影响因素并在单元元件层面实施现场纠正措施。其结果是,硅元件和整个系统的稳定性和安全性随着时间的推移得以大大提升。
新思科技的硅生命周期管理 (SLM) 平台包括多个集成的产品和功能。