由人工智慧驅動的設計應用
晶片生命週期管理(Silicon Life Management; SLM)是一個相對較新的過程,與在終端用戶系統中進行設計,製造,測試和部署的半導體設備的監視,分析和優化息息相關。日益增加的晶片與系統複雜性,以及不斷增長的功能與可靠度要求,促使對半導體裝置在其整個生命週期內,進行持續維護與優化的需求。
SLM根基於下列基礎準則:
經由擴展來自測試與產品工程中可使用的資料,並透過整個內嵌於每一晶片中的監視器與感測器,對每一晶片的運作具有深入的能見度,並在橫跨一個廣泛的環境與條件下,量測目標的活動,以達成第一個準則。對此晶片資料的目標分析,可在半導體生命週期的每個階段進行優化,從執行設計開始,透過製造、生產測試、晶片設計上線(bring-up)等進程,最後在現場運作畫下句點。
需要針對晶片運作的各個面向進行詳細的測量,以取得在晶片生命週期過程中進行有效分析與決策制定所需的知識。這些數據資料的來源包括過程/電壓/溫度(PVT)感測器、測試設計(DFT)與內建的自我測試(BIST)資源、結構與功能監視器、內嵌晶片分析,以及資料傳輸,以便將資訊從晶片傳輸到發生進一步分析、控制和優化的位置。
結合每個生命週期階段所擷取的晶片運作數據,可以增加數據豐富性。在每個生命週期階段執行目標性分析,以推動每個階段的特定優化。廣泛的知識庫大幅增強每個生命週期階段的分析和優化能力。
晶片生命週期管理能替晶片設計人員與該晶片的終端使用者帶來多項好處。包括增強晶片的功能、更順暢地處理與更快速的產品設計上線(bring-up),以及在晶片的整個生命週期內增進功能與安全性。具體的好處包括:
使用在製造測試期間所擷取的矽資料,校正設計模型化的參數。來自環形振盪器測量、關鍵路徑測試結果與過程/電壓/溫度(PVT)監視器等取得的數據,都是此資料的範例來源。
藉由一系列的資料採礦(data mining)、關聯性與根本原因(root cause)分析,可提升晶片設計中所使用的模型穩固性與準確性。如此一來,可以使初始的晶片設計更快速的收斂在最佳的成果上。
此過程將矽數據資料與物理設計數據資料進行關聯性分析,以識別系統的良率限制問題。這些矽數據資料的來源包括測試失敗診斷數據、過程/電壓/溫度(PVT)感測器數據與結構的數據。
藉由一系列的資料採礦、關聯性與根本原因分析步驟,可確定出主控產品良率損失機制。以加速「良率學習」的過程,並優化最終產品的良率。
此過程藉由對矽與製造測試結果數據資料的持續分析,以調整測試與篩選的標準。優化的測試標準將減少測試時間,並確保僅將優質的各項裝置釋出,投入生產。
數據資料的來源包括製造測試結果、過程/電壓/溫度(PVT)感測器數據與結構的監視器數據。藉由資料採礦、監視/分析與提報的過程,可施行適應性測試警示與增強的控制措施。同時增強偵測各極端值或表現超出正常限制功能的晶片。結果顯示可減少測試時間並改善所交付晶片的品質。
在任何復雜的晶片中,分層互連、異質處理器、各種作業系統與裸機軟體(bare metal software)之間均有互動。為使晶片與使用該晶片的系統上市,必須協調前敘的這些相互作用。而實際上大多數系統在設計時並沒有真正知道部署最終系統時的工作量,也因此帶來了更大的挑戰。
SLM可藉由深入解析晶片上計算、通信與儲存資源的功能性,以應對這些挑戰。內嵌於該晶片中的功能與結構的監視器,與分析軟體的結合,可更快速、更深入的暸解該晶片運作的行為,以及其如何與整個系統進行互動。此外在該系統的生命週期過程中,工作負荷產生變化、軟體與韌體要求產生變化、電晶體會老化。SLM也提供深入解析,以允許該晶片與系統均能適應這些變化,帶來縮短開發時間、提高驗證效率與改善長期效能的結果。
矽晶片的效能在其整個生命週期不會保持恆定。在矽結構中的老化效應,會隨時間改變該裝置的功能特性。系統作業環境亦會導致晶片功能的變動。這些影響包括環境溫度的效應,以及工作量負荷與電氣運作參數變化的影響。安全漏洞也會影響晶片的效能。
在現今的系統中,半導體裝置執行更多關鍵性任務以及與安全性相關的功能。促使這些裝置的穩固性與可靠度更顯重要。大多數的系統均具有長的使用生命週期,而時間也有助於逐漸改變半導體裝置的功能。
晶片生命週期管理提供數據資料的蒐集、分析與控制環境,以監視相關的影響,並在一個單元裝置的層級處,施行各項矯正措施。結果是隨著時間推移,而使矽裝置與整個系統的功能更加穩定與安全。
新思科技的晶片生命週期管理平台包括多重整合式的產品與功能。