L’IA restructure les outils EDA de Siemens
Siemens EDA améliore la structure de ses outils EDA afin d’adopter une nouvelle architecture pour l’intelligence artificielle (IA) et l’apprentissage automatique (ML).
Les outils EDA Questa, Calibre et Solido s’appuient sur des bases de données individuelles complexes pour conserver les informations sur les puces personnalisées, les chiplets et les substrats 3D-IC, voire les puces sur un circuit imprimé. Aujourd’hui, ces bases de données sont ouvertes dans un lac de données afin que les moteurs d’intelligence artificielle puissent accéder aux informations dans les différents outils.
Il s’agit d’un changement fondamental dans l’architecture de l’outil qui permet la création de jumeaux numériques de la puce et du packaging.
« Ce que nous constatons tous, c’est que le logiciel est à l’origine de la fonctionnalité. Cette croissance omniprésente est rendue possible par le silicium et la quantité de calcul entraîne une explosion du besoin de calcul. L’IA vient se superposer à tout cela », a déclaré Michael White, technologue principal en ingénierie chez Siemens EDA.
« Nous le constatons d’abord dans les hyperscalers, puis dans les voitures autonomes et l’électronique grand public. Ce besoin entraîne des investissements dans l’ensemble de Siemens EDA avec l’exploration architecturale, la vérification fonctionnelle, la conception de nœuds avancés et la vérification physique », a-t-il déclaré.
« L’IA fait partie intégrante de tout cela, non seulement dans l’utilisation du système, mais aussi en tant que partie intégrante des produits pour enrichir le concepteur et le rendre plus productif, en utilisant l’IA dans de nombreux moteurs. Elle est omniprésente dans le système EDA de Siemens afin de rendre la communauté des circuits intégrés beaucoup plus productive », a-t-il ajouté.
L’IA est une combinaison de plusieurs techniques telles que l’apprentissage par renforcement (RL) et l’apprentissage automatique basé sur des règles. Retrieval Augmented Generation (RAG) utilise des modèles de transformation pour améliorer l’interface utilisateur à l’aide du matériel de formation existant.
« L’IA peut augmenter la productivité de 50 %, en particulier à 2 nm, mais il s’agit d’une IA de qualité industrielle par opposition à une IA grand public », a déclaré Sathish Balasubramian, chef de produit pour la vérification et l’IA chez Siemens EDA.
« Cela signifie la vérifiabilité, la facilité d’utilisation, la robustesse et la généralité, et pas seulement certains cas particuliers, mais la chose la plus importante est de ne jamais faire de compromis sur la précision. Chez Siemens EDA, nous pratiquons l’IA depuis 20 ans dans toutes les lignes de produits, avec la reconnaissance des formes en 2005, l’apprentissage par renforcement pour affiner les modèles, et maintenant la genAI, qui évolue vers des agents d’IA pour automatiser certaines parties du flux de travail, puis vers l’IA agentique et l’utilisation de tout cela pour les jumeaux numériques », a-t-il déclaré,
« Nous nous concentrons sur la ML et la RL au niveau du back-end avec GenAI et AgenticAI au niveau du front-end dans un système d’IA hybride et nous lançons un système d’IA agentique à travers les outils de silicium et de PCB. Nous lançons un système d’IA agentique pour les outils de silicium et de circuits imprimés. Cela permet une IA générative et agentique pour tous les outils Siemens Eda, avec un lac de données multimodal et des API pour que les clients puissent accéder au système.
La question de savoir si la base de données reste séparée dépend du choix du client. Ils peuvent intégrer leurs propres données EDA et créer des flux de travail personnalisés pour déployer l’IA là où elle apporte le plus de valeur ajoutée – en améliorant l’adoption et la compétitivité sans perturber les flux de travail. Cela peut se faire sur site ou dans le cloud, et un « volant de données » utilisant le lac de données multimodal centralisé.
« Il s’agit d’une combinaison des bases de données et du lac de données », a-t-il déclaré. « Nous utilisons beaucoup RAG même si les bases de données sont séparées. La séparation dépend des différents clients pour ouvrir la base de données RTL dans le lac de données. »
Outre l’infrastructure interne et les modèles tiers, le système d’IA prend également en charge le microservice NIMS de Nvidia et les modèles Llama Nemotron. NIM permet le déploiement évolutif de modèles prêts pour l’inférence dans des environnements en cloud et sur site pour l’orchestration d’outils en temps réel et les systèmes multi-agents. Llama Nemotron ajoute un raisonnement à contexte élevé et un appel d’outils robuste pour une automatisation plus intelligente du flux de travail EDA.
« Les agents d’IA peuvent considérablement augmenter la productivité de l’automatisation des conceptions électroniques complexes en aidant les ingénieurs à optimiser, simuler et vérifier les schémas, leur permettant ainsi de se concentrer sur la résolution créative de problèmes et les défis de conception avancés », a déclaré Tim Costa, directeur senior de CAE et CUDA-X chez Nvidia.
La dernière version des outils est lancée cette semaine à l’occasion de la Design Automation Conference aux États-Unis, avec un accès anticipé pour les clients clés.
Il s’agit notamment d’Aprisa AI pour l’exploration des conceptions RTL-to-GDS qui optimise de manière adaptative la puissance, les performances et la surface (PPA) pour une conception donnée, ainsi que d’une assistance générative AI intégrée qui fournit des exemples et des solutions prêts à l’emploi. Une interface en langage naturel permet de multiplier la productivité par 10, d’accélérer le temps de tapeout par 3 et d’améliorer de 10 % l’optimisation de la puissance, des performances et de la surface pour les conceptions numériques dans toutes les technologies de traitement, indique l’entreprise.
Calibre Vision AI identifie et corrige les violations de conception critiques en deux fois moins de temps que les méthodes existantes en les chargeant et en les organisant en grappes intelligentes. Les concepteurs peuvent alors prioriser leur activité en fonction de ces regroupements et atteindre un niveau de productivité plus élevé.
L’IA générative et agentique est utilisée dans l’ensemble de la plateforme Solido Custom IC, y compris la capture de schémas, la simulation, la conception et la vérification tenant compte des variations, la caractérisation de la bibliothèque, la mise en page et la validation de la propriété intellectuelle.
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
