IR drop prediction of ECO-revised circuits using machine learning
IR drop prediction of ECO-revised circuits using machine learning
复制标题
使用机器学习对 ECO 修订电路进行 IR 压降预测
DOI：
--
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Eric Jia
中科院分区：
文献类型：
--
作者：
Shih;Yen;Yu;Yu;Tsung;Shang;C. Li;Eric Jia
过高的电源噪声（PSN），如IR压降，会导致VLSI芯片中的时序违规。然而，仿真PSN需要非常长的时间，特别是当在IR压降签署中需要多次迭代时。在这项工作中，我们提出了一种机器学习技术来建立一个IR下降预测模型的基础上ECO（工程变更单）修订前的电路。修正后，我们可以重新使用这个模型来预测修正电路的IR压降。由于以前的电路和修改后的电路非常相似，因此可以应用该模型，误差很小。我们提出了七个特征提取，这是简单的，可扩展的大型设计。实验结果表明，对于300万门的真实的设计，预测精度（平均误差为3.7mV）和相关性（0.55）是非常高的。运行时间加速高达30倍。所提出的方法是非常有用的设计人员，以节省仿真时间时，修复IR下降的问题。
Excessive power supply noise (PSN), such as IR drop, can cause timing violation in VLSI chips. However, simulation PSN takes a very long time, especially when multiple iterations are needed in IR drop signoff. In this work, we propose a machine learning technique to build an IR drop prediction model based on circuits before ECO (engineer change order) revision. After revision, we can re-use this model to predict the IR drop of the revised circuit. Because the previous circuit(s) and the revised circuit are very similar, the model can be applied with small error. We proposed seven feature extractions, which are simple and scalable for large designs. Our experiment results show that prediction accuracy (average error 3.7mV) and correlation (0.55) are very high for a three million-gate real design. The run time speedup is up to 30X. The proposed method is very useful for designers to save the simulation time when fixing the IR drop problem.