機(jī)器學(xué)習(xí)正在逐步影響EDA行業(yè)，通過用EDA工具來對(duì)普遍的問題建議解決方案，能夠?yàn)樵O(shè)計(jì)團(tuán)隊(duì)減少數(shù)周甚至數(shù)月的艱難工作，從而大大的降低設(shè)計(jì)成本。

使用機(jī)器學(xué)習(xí)技術(shù)也將擴(kuò)大EDA工具的潛在市場(chǎng)，為更多公司設(shè)計(jì)出更多的芯片，甚至是全新的設(shè)計(jì)，打開了新世界的大門。

“需求有巨大的彈性，一旦有任何讓工具運(yùn)行速度更快或者占用更少資源的創(chuàng)新，人們立馬會(huì)用這個(gè)技術(shù)去做更多的并行執(zhí)行，或者承擔(dān)更大的任務(wù)，設(shè)計(jì)更大的芯片。”Cognite Ventures首席執(zhí)行官Chris Rowen博士說。 Chris Rowen博士同時(shí)也是Tensilica的創(chuàng)始人，2013年Tensilica被Cadence收購(gòu)后，他成為Cadence fellow。

效率的提高使得工程團(tuán)隊(duì)能夠做其他的工作，工作內(nèi)容更加多樣化，NVIDIA資深技術(shù)總監(jiān)Ting Ku評(píng)論道，“ 實(shí)際上，受益于效率提高，我們現(xiàn)在能夠完成之前來不及做的任務(wù)。”

這對(duì)于EDA工具供應(yīng)商來說應(yīng)該是個(gè)好消息。 “我們?cè)?jīng)要做5項(xiàng)任務(wù)，現(xiàn)在需要使用10種工具去做10項(xiàng)不同的工作”， Ku補(bǔ)充道，“例如借助EDA工具來進(jìn)行測(cè)試，這就是增長(zhǎng)點(diǎn)。”

乍一看，解決問題好像會(huì)減少工具的銷售量，但事實(shí)并非如此。

Mentor（現(xiàn)為西門子旗下業(yè)務(wù)）的首席驗(yàn)證科學(xué)家Harry Foster說：“當(dāng)我們想出了在測(cè)試中如何加速固定型故障 (stuck-at-fault), 現(xiàn)在才有足夠的時(shí)間去做時(shí)序收斂和其他驗(yàn)證；而過去工具不夠強(qiáng)大的時(shí)候，根本是來不及做的。“

Just getting started

盡管前途大好，但用機(jī)器學(xué)習(xí)增強(qiáng)EDA，才剛剛起步。

“我們一直在思考的一個(gè)問題是，在實(shí)際給予客戶更大幫助的同時(shí)，應(yīng)該采取怎樣的收費(fèi)模式。”ANSYS半導(dǎo)體事業(yè)部首席技術(shù)專家Norman Chang說，“當(dāng)涉及到現(xiàn)有工具上的機(jī)器學(xué)習(xí)增強(qiáng)功能，客戶可能不會(huì)愿意支付額外的錢，而脫離既有工具空談機(jī)器學(xué)習(xí)也是不可能的，那怎樣的商業(yè)模式對(duì)于客戶和EDA廠商來講才是雙贏的合作呢？答案還不清楚。”

雖然有可能在現(xiàn)有工具架構(gòu)之上進(jìn)行機(jī)器學(xué)習(xí)增強(qiáng)，UCSD的Andrew Kahng教授指出，當(dāng)談到在EDA工具應(yīng)用機(jī)器學(xué)習(xí)能力時(shí)，“內(nèi)嵌”機(jī)器學(xué)習(xí)能力，和“圍繞”附加機(jī)器學(xué)習(xí)能力，有著很大差別：“圍繞”附加機(jī)器學(xué)習(xí)，能夠以相對(duì)較低的投入獲得更快的價(jià)值回報(bào)，出于投資回報(bào)率的考慮人們會(huì)從這里起步。

Kahng引用高通的一篇最新論文，在其班加羅爾設(shè)計(jì)中心，測(cè)試了資源管理和調(diào)度優(yōu)化，例如當(dāng)一個(gè)RTL bug在設(shè)計(jì)后期出現(xiàn)，你是需要購(gòu)買新的服務(wù)器來管理20+正在進(jìn)行的項(xiàng)目呢，還是僅僅重新配置現(xiàn)有資源就夠了。如果能夠節(jié)約數(shù)百萬美元或幾周的時(shí)間，將是非常明顯的巨大價(jià)值。所以，那些“圍繞”現(xiàn)有工具構(gòu)建的優(yōu)化，將率先發(fā)生。

“也許在EDA的未來，EDA不再像往常一樣，額外附加機(jī)器學(xué)習(xí)能力，我們將看到新一代的EDA工具從架構(gòu)上就與機(jī)器學(xué)習(xí)相容，從而使得工具的結(jié)果更加可預(yù)測(cè)。 那將是一種全新的核心EDA——包括布線，優(yōu)化，芯片布局規(guī)劃等，其穩(wěn)定性更高，混亂無序狀態(tài)更少。”

對(duì)Rowen而言，這仍是或多或少用機(jī)器學(xué)習(xí)來改進(jìn)傳統(tǒng)EDA流程。他說，“周圍”的方法利用多種工具的異構(gòu)集成。“你總是在局部地解決數(shù)據(jù)問題，因?yàn)榻裉烊绻慵鹊每紤]模擬仿真和驗(yàn)證覆蓋率，又要得到布局布線擁塞數(shù)據(jù)，沒有一個(gè)能夠考慮所有因素的全局解決方案。但某些機(jī)器學(xué)習(xí)技術(shù)，特別是深度學(xué)習(xí)，在整合多種數(shù)據(jù)類型，并找出每種類型輸入中，哪些因素應(yīng)當(dāng)被考慮時(shí)，是非常有效的。

只要它和某些結(jié)果之間的聯(lián)系是預(yù)定的，那么所有這些數(shù)據(jù)都能夠被一股腦兒丟進(jìn)去處理，系統(tǒng)能夠找出決定產(chǎn)出的關(guān)鍵因素，例如究竟是timing margin的設(shè)置，還是物理設(shè)計(jì)規(guī)則在起作用，Rowen說，機(jī)器學(xué)習(xí)方法能夠從多種工具的頂層提取數(shù)據(jù)來做整體的分析。幾年前，我們解決了整個(gè)數(shù)據(jù)庫(kù)的問題，不是單純地讀取其他工具的輸出，而是做數(shù)據(jù)聚合和數(shù)據(jù)挖掘。當(dāng)我得到所有這些工具的統(tǒng)計(jì)結(jié)果時(shí)，它所描繪的是怎樣一種宏觀圖景？就洞察力而言，機(jī)器學(xué)習(xí)獨(dú)一無二。

從根本上來說，任何增強(qiáng)，都必須優(yōu)化時(shí)間或者結(jié)果的質(zhì)量，Synopsys的研發(fā)總監(jiān)Sashi Obilisetty指出，“必須要給客戶賦能，讓客戶能夠優(yōu)化設(shè)計(jì)，也許深度學(xué)習(xí)是能夠綜合實(shí)現(xiàn)這些目標(biāo)的手段。這關(guān)乎實(shí)驗(yàn)，合作，然后提出一個(gè)可行的解決方案。在EDA領(lǐng)域，我們與客戶的協(xié)作如此深入，持續(xù)這樣的合作尤為重要。“

Ku表示認(rèn)同，“像ANSYS或Synopsys這樣的EDA公司，擁有多項(xiàng)針對(duì)不同領(lǐng)域解決工程難題的工具。但在現(xiàn)實(shí)中，跨領(lǐng)域的解決問題是非常困難的。而機(jī)器學(xué)習(xí)技術(shù)能夠非常不錯(cuò)地解決這些跨領(lǐng)域的問題相當(dāng)不錯(cuò)。”

GPUs in EDA?

另一個(gè)要考慮的可能性是，在GPU上運(yùn)行增強(qiáng)機(jī)器學(xué)習(xí)能力的EDA工具。雖然GPU已經(jīng)是訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)的首選平臺(tái)，但將來要不要應(yīng)用于EDA，還尚未可知。

Ku表示， “當(dāng)我跟EDA供應(yīng)商聊這個(gè)話題，我認(rèn)為他們會(huì)從小的問題開始 —— 僅僅增強(qiáng)現(xiàn)有的流程。這些小問題可以在CPU上以傳統(tǒng)方式來解決，大家暫時(shí)也還不愿意購(gòu)買GPU farm(集群)。除了Nvidia - 我們已經(jīng)擁有了GPU farm，可以與我們合作。” 可以預(yù)測(cè)，終將有一天，問題會(huì)達(dá)到一個(gè)特定的拐點(diǎn)，變得如此艱難，如此復(fù)雜，變量維度如此之多，你必須使用GPU來解決你的問題。現(xiàn)在還不是時(shí)候，但我相信它的成長(zhǎng)軌跡，已經(jīng)預(yù)示了這一天必將到來。”

Obilisetty指出，Synopsys正在研究怎樣在GPU上運(yùn)行傳統(tǒng)的工具，但需要大幅地調(diào)整工具架構(gòu)，工作量絕對(duì)不是一點(diǎn)點(diǎn)。

“只要付諸努力，這些都能被實(shí)現(xiàn)，”她說。“同樣的，引入機(jī)器學(xué)習(xí)的概念和技術(shù)，我們需要重新構(gòu)思工具。我們希望能夠智能地少做模擬和分析卻不降低結(jié)果的質(zhì)量，這從非易事。但如果我們能夠采用更多的機(jī)器學(xué)習(xí)，可以通過硬件實(shí)現(xiàn)更快的交付。我們正在為之努力。”

然而，像SPICE仿真這樣的經(jīng)典工具，如，并不能很好地適應(yīng)像GPU這樣高度并行的浮點(diǎn)架構(gòu)。“通過重建結(jié)構(gòu)，可以勉強(qiáng)實(shí)現(xiàn)，”Rowen說。“機(jī)器學(xué)習(xí)和深度學(xué)習(xí)肯定是可并行的，所以他們?cè)贕PU等并行架構(gòu)上運(yùn)行良好。這里有兩個(gè)問題需要回答： 使用的是什么類型的技術(shù)？是用機(jī)器學(xué)習(xí)做簡(jiǎn)單的統(tǒng)計(jì)分析，還是需要大量的深度學(xué)習(xí)？”

機(jī)器學(xué)習(xí)往往不是計(jì)算密集型的，更重要的是理解如何使用正確的模型。“深度學(xué)習(xí)，可以肯定，是計(jì)算密集型的，尤其是在訓(xùn)練和推理上，”Rowen說。“對(duì)第一種情況而言，如果不是計(jì)算密集型問題，那CPU可能就足夠了。但在訓(xùn)練和推理領(lǐng)域，需要什么樣的硬件架構(gòu)，取決于該任務(wù)的重要性，例如現(xiàn)在構(gòu)建更加專業(yè)的高并行圖像處理推斷引擎的人越來越多，預(yù)計(jì)未來也會(huì)出現(xiàn)類似圖像處理這樣的任務(wù)，需要GPU集群。然后對(duì)于EDA工具所需要的培訓(xùn)和推理能力，我認(rèn)為現(xiàn)在基于服務(wù)器的主流硬件基本足夠了。”

然而，Kahng堅(jiān)持機(jī)器學(xué)習(xí)可能比大多數(shù)人想象的更接近。“無論是觀看Kaggle平臺(tái)上的競(jìng)賽（注： Kaggle是由聯(lián)合創(chuàng)始人、首席執(zhí)行官Anthony Goldbloom 2010年在墨爾本創(chuàng)立的，主要為開發(fā)商和數(shù)據(jù)科學(xué)家提供舉辦機(jī)器學(xué)習(xí)競(jìng)賽、托管數(shù)據(jù)庫(kù)、編寫和分享代碼的平臺(tái)），還是AlexNet，SqueezeNet等的進(jìn)步，你可以看到高品質(zhì)開放源碼堆棧的巨大商業(yè)化可能。想想90/10規(guī)則。在過去二十年里，我們有一整套規(guī)范的機(jī)器學(xué)習(xí)開發(fā)技巧，加上很多IC設(shè)計(jì)已經(jīng)很容易實(shí)現(xiàn)，可以輕松地解決90％的問題。我們可以提前預(yù)測(cè)布線DRC；或預(yù)測(cè)slew計(jì)算誤差；或預(yù)測(cè)兩個(gè)golden分析工具之間的差異；再如跑15個(gè)corner，然后預(yù)測(cè)其他50個(gè)corner下的端點(diǎn)slack。這些都是極富價(jià)值的機(jī)器學(xué)習(xí)應(yīng)用。一旦你能夠給某一種工藝訓(xùn)練出數(shù)據(jù)模型，例如一個(gè)特定的16nm FinFET的工藝庫(kù)、后端金屬層、工具鏈，那這個(gè)數(shù)據(jù)模型將一直好用。

即使該數(shù)據(jù)模型中可能包含成千上萬的參數(shù)，他認(rèn)為投資機(jī)器學(xué)習(xí)建模的回報(bào)是令人嘆服的，并將持續(xù)下去。

收集數(shù)據(jù)有一個(gè)小問題，Kahng補(bǔ)充指出，設(shè)計(jì)，設(shè)計(jì)實(shí)現(xiàn)和設(shè)計(jì)目標(biāo)總是在不斷變化的。“我敢肯定，人們?cè)趧?chuàng)造大數(shù)據(jù)方面富有創(chuàng)造性，但他們會(huì)非常仔細(xì)地關(guān)注收益和回報(bào)。”

與此相關(guān)的是，公司之間并未真正地共享數(shù)據(jù)，機(jī)器學(xué)習(xí)的基礎(chǔ)設(shè)施尚未形成，這是需要解決的問題。

“小數(shù)據(jù)的問題也許需要一個(gè)數(shù)據(jù)同化的過程，其中的專有信息保存，然后公司愿意免費(fèi)共享非專有信息”Ku說，“今天，F(xiàn)acebook和谷歌正在收集我們所有的信息，我們卻處之泰然，是因?yàn)閿?shù)據(jù)抽象后，并非特定的“我”做了什么。也許需要某種數(shù)據(jù)抽象方法，以解決小數(shù)據(jù)問題，讓所有公司都可以共享他們的數(shù)據(jù)。”

另一個(gè)搜集海量數(shù)據(jù)的機(jī)會(huì)是在foundry。“最理想的情況是你從工藝制造流程中搜集到匿名大數(shù)據(jù)，并借此建立真正的關(guān)聯(lián)數(shù)據(jù)模型”，Rowen說，“整個(gè)行業(yè)都會(huì)因此受益，但由于大家的害怕，可能會(huì)出現(xiàn)沒人愿意參與的‘公地悲劇’。”

最后，Kahng指出，對(duì)于機(jī)器學(xué)習(xí)技術(shù)短期內(nèi)“圍繞”加入EDA工具，再到未來真正的“內(nèi)嵌”到EDA中，圍繞數(shù)據(jù)采集的思維，必須從根本上改變。

“那么，小公司如何才能利用大公司采集的數(shù)據(jù)呢？這是一個(gè)全行業(yè)的基礎(chǔ)設(shè)施 - 包括匿名化，規(guī)范化和模糊化標(biāo)準(zhǔn)。早在1999年， METRICS就非常超前的，利用FlexLM和Splunk，將所有的報(bào)告日志填充到數(shù)據(jù)庫(kù)中。當(dāng)時(shí)，Stefanus Mantik博士使用Oracle 8i來寫Synopsys和Cadence的SP＆R工具封裝。如今，數(shù)據(jù)管道和分析方法高度商品化，我們預(yù)計(jì)客戶將會(huì)很快處于一個(gè)臨界點(diǎn)：他們會(huì)咬緊牙關(guān)，收集設(shè)計(jì)數(shù)據(jù)，利用機(jī)器學(xué)習(xí)來解決各種艱難的設(shè)計(jì)挑戰(zhàn)。我堅(jiān)信，現(xiàn)在是開放和共享的時(shí)代，”他補(bǔ)充說。

今天有一件事情是確定的——沒有捷徑可走。“我大約兩年前開始使用這些技術(shù)，但開始時(shí)沒有人相信這會(huì)有效，”Ku說。“我負(fù)責(zé)內(nèi)部工具研發(fā)——盡管工程師們開始將信將疑，但他們必須使用我的工具；后來大家都看到了機(jī)器學(xué)習(xí)的成效，開始相信這一技術(shù)。接著我告訴外部的EDA供應(yīng)商，可以利用機(jī)器學(xué)習(xí)技術(shù)來解決問題，使這些工具更好。猜猜發(fā)生了什么？供應(yīng)商們開始也并不相信。直到大約一年前，我給ANSYS演示了我的團(tuán)隊(duì)開發(fā)的內(nèi)部工具，他們才開始認(rèn)可機(jī)器學(xué)習(xí)的價(jià)值。耳聽為虛，眼見為實(shí)——這適用于內(nèi)部客戶，適用于EDA世界，也將適用于世界其他領(lǐng)域 – 人性使然“。