机器学习电子设计自动化:解锁新设计
关键的外卖
EDA中机器学习的范围。
机器学习如何与设计师一起改进设计。
机器学习、高级综合和设计空间探索之间的复杂关系。
机器学习实现存在于一个范围内，更全面的解决方案需要更密集和新颖的模型
电子设计自动化软件通过为用户提供强大的工具集，大大降低了电路设计的入门门槛，提高了开发速度。在很大程度上，机器学习被定位为计算机领域的新革命EDA软件解决方案通过提供自动化大部分设计和布局过程的能力。虽然仍有一些重大缺陷需要解决，但该领域正在迅速发展，采用新的创新技术，更有效地解决设计挑战。就像数学和编程正在推动相对新兴的发展一样，机器学习电子设计自动化提供了抽象设计的承诺，将大部分计算性的设计工作留给计算机，并将设计师解放出来，以最好地迎接高级设计的挑战。
机器学习电子设计自动化功能的层次
电子设计自动化软件的机器学习的主要优势之一是跨众多行业的解决方案的广度。实现的能力也是惊人的——目前正在使用无数的方法来帮助实现更快的开发周期。对于电子设计自动化中的机器学习，有四个方面的使用可以减少周转时间并改善结果:
〇决策在这里，一个模型被训练成通过可用的工具集和算法更好地搜索，以取代暴力搜索或无辅助搜索。其理念是，用机器学习引导模型，有助于使其主动决策同样全面，同时更快地研究提高效率的方法。
〇预测能力模型可以分析地查看已完成的设计，以帮助指导新设计的决策。通过利用该数据库，布局设计师可以通过使用机器学习工具集来衡量设计路径，而无需在实际设计过程中投入大量时间，从而获得巨大的效率收益。
优化-设计空间探索(DSE)完全由机器学习模型和任何数据科学理论提供指导进行导航。通常，这采取基于回归的模型的形式，能够以误差函数为目标(绝对，均方根，或完全不同的功能)，积极形成布局到有形的功能结果。这分为两个步骤。首先，输入和输出值被考虑在内，在最具体的层面上提供了电路整体功能的衡量标准。跟踪的值可以是时钟周期(以确定时间)、带宽或存储的内存分配等等。有了这些已确定的值，电路可以接收一些内部级别的反馈，尽管这不是一个“有意识的”努力，更多的是一个持续校准，以击中一个移动的目标。
全自动化——机器学习电子设计自动化的顶点。在这种设置中，可以使用机器学习启发式(如深度学习或强化学习)实时合成数据。在实践中，这是一个能够考虑当前数据点的系统，以及由两个互补子例程操作的某种批评/激励框架，以对人类操作员来说可观的速度进行优化。自动化系统的理想部署仍然考虑到工程师或布局设计师在该领域的专业知识，以便在自动化布局过程完成后监督、审查和最终确定设计。
操作员和设计师的共生关系
如上所述，电子设计自动化中的机器学习有几个实现阶段，反映了与整体设计过程相比，自动化的份额逐渐增加。
完全自动化，似乎是科幻小说里的东西，今天正在得到采用，甚至已经在尖端的商业应用中看到了应用。如果结构合理，计算能力能够在时间尺度上解决问题，与专家设计师相当，在某些情况下还要更快。自动化不能完全取代布局设计师的设计专业知识——它仅限于基于用于训练它的数据集的电路排列。换句话说，机器学习只能处理它有经验的设计。
然而，更复杂的机器学习模型可以通过泛化电路板的设计约束来模糊这条界限。通过关注功率绘制、面积、带宽和其他类似的、定义良好的值等概念，经过适当训练的机器学习软件能够预测问题解决它没有经验的特定数据集。这也不需要任何级别的硬编码;该系统能够从先前的激励中推断出布局的最佳前进路线，这取决于需要优化的方面。
如何高层次的空间综合设计探索模式EDA
高级合成(HLS)能够在高级编程语言和硬件之间自动转换描述语言，如VHDL实现原理图级逻辑门的操作到FPGA中进行调试。HLS在机器学习之前就已经存在了，但在提高翻译的预测性以及改进当前DSE算法方面已经取得了进展，包括重新思考整个历史DSE的方法。更具体地说，这种预见性表现为结果估计，本质上是系统必须达到的平衡准确性和效率的目标。结果估计分为两个步骤:
准备- - -机器学习方法不仅必须在广泛的数据集上进行训练，以准备它将遇到的不同电路，而且还必须调用不同的计时和FPGA目标。数据必须在整个c到比特流数据流中按顺序进行。
建模,在数据集上执行基于回归的建模和分析，以确定资源使用情况和时间。不同的机器学习模型以协同的方式应用，以获得最高的估计精度。
对于DSE，采用各种模型来改进长期的标准方法。预测模型以不同的方式来解决这个问题:一些模型将准确性作为模型的目标，而另一些则直接解决学习工具的不准确性。像传导实验设计(TED)这样的模型不仅要平衡数据集的代表性成员，而且还要平衡可能更难预测的异常情况。
针对任何层次的设计需求和机器学习电子设计自动化集成，Cadence’sPCB设计和分析软件这些工具非常适合于满足当今的设计需求以及无法预见的未来发展。
领先的电子产品供应商依靠Cadence产品来优化各种市场应用的电源、空间和能源需求。如果您想了解更多我们的创新解决方案，和我们的专家团队谈谈吧或请订阅我们的YouTube频道．