本文转载自 iconnect007.com。
在 DesignCon 2023 大会上，iconnect007.com 网站采访了 Cadence Design Systems 的产品管理组总监 Brad Griffin，请他谈一谈如何将人工智能 (AI) 和机器学习作为工程设计辅助工具，用来优化信号和电源完整性。
Brad 认为，将人工智能添加到设计流程的优化工具中，有助于工程师评估大量的潜在解决方案，锁定更多经过高度优化的解决方案，效率远高于工程师们的赤手空拳。
问：Brad，作为系统分析团队的产品营销总监，您目前在做哪些工作？
Brad：其中一些是老生常谈，包括信号完整性、电源完整性、高速设计以及更高水平的集成。但也有令人眼前一亮的新技术，比如现在的热门话题人工智能 (AI) 和机器学习 (ML) 辅助优化，我们将它们融进了整体的信号 / 电源完整性解决方案。
问：我们收到用户提问：“为什么将概念验证投入生产如此困难？”大家不明白整个流程。
Brad：从仿真角度来看，很长一段时间以来，我们为用户提供了参数化的可能，例如，“这是最小值，这是最大值，可能中间还有几个步骤。所有参数可能都要仿真，因为其中有一个变量可能对应 5 个不同的值。”现在，假设有另一个变量，也对应 5 个不同的值。那么 5x5，就是 25 个参数，如果再有一个变量，就是 125 个参数。这个数字还可以不断翻倍…
问：接下来是 625？
Brad：对！如果用户的设计需要使用一个全波 3D 场求解器，最理想的情况下仿真仅需要 5 分钟，但实际上则可能高达几个小时，用户不可能进行 625 次仿真并迅速做出决定。而我们的新技术 Optimality，可以在仿真过程中利用 AI/ML分析这些变量，运行其中的一些变量，搞清楚哪些变量看起来不错，哪些结果不太好；并引导后续的仿真，找到最佳值，帮助用户设定目标解决方案。因此，用户不再需要 625 次仿真，可能只需要运行 20 次，仿真时间也能从几周缩短到半天之内。众所周知，AI/ML 引擎的速度很快，容量也很大，我们可以在流程的早期使用，从而在后期获得最佳结果。
Optimality Explorer 使用人工智能和机器学习技术 (AI/ML) 来自动指导优化，平均速度比传统手动操作快 10 倍，在一些设计上甚至实现了高达 100 倍的速度提升。
问：AI/ML 的主要作用是管理预期，而不是指望它一气呵成，直接完成整套流程。
Brad：目前还不能利用 AI/ML 直接完成整套流程，但也许有一天会实现。事实上，Cadence 团队正在让 Allegro 环境支持 AI 功能。从网表开始，在确保信号和电源完整性的前提下进行布线。我们并不是想削弱设计人员努力的价值，而是想让他们的工作更高效，确保他们可以做出更明智的决策，从而在更短的时间内完成更多工作。
在 Allegro 环境中，只需选择电源和接地所在的层即可开始生成过程。
我们的信号完整性解决方案需要创建良好的互连模型。如果要了解信号如何从一层过渡到另一层，可以通过多种方式来设计过孔或过孔阵列。而我们的一些客户表示，Optimality 为他们开辟了新思路，提供了更多可能性，因此他们可以找到最佳解决方案。借助人工智能技术，工程师可以在更广的取值范围内运行仿真，提升工作效率。从这个角度来看，人工智能令人惊喜。
“我们是 Cadence Optimality Intelligent System Explorer 的早期采用者，在具有多个通孔结构和传输线的刚柔结合 PCB板上，该工具性能卓越。Optimality Explorer 的 AI 驱动优化让我们发现了新颖的设计和方法，而这些是我们利用其它工具无法实现的。Optimality Explorer 为原本就性能强大的 Clarity 3D Solver 增加了智能，帮助我们加速达成性能目标。”
—— Kyle Chen
微软首席硬件工程师
“联发科是 SerDes 设计技术的领导者。在我们最近进行的 112G PAM4 SerDes 项目中，Cadence 的 Optimality Explorer 和 Clarity 3D Solver 帮助我们实现了 75% 的性能提升。Cadence 提供了突破性的 AI 驱动优化，让我们可以快速有效地确定最佳回波损耗和插入损耗，以及 TDR 波形，加速了设计团队的生产力，并成功完成最终产品。”
—— Aaron Yang 和 Howard Yin
联发科设计总监
根据信号或电源完整性完整的结果，仿真工具可以生成眼图。在此之前，提取工具将提供高质量的互连模型，这需要有良好的互连设计。 这就是 Optimality 的用武之地，确保用户能够优化设计。最终敲定设计方案时，用户可以提取准确的模型，信心十足地完成签核，确信设计在信号完整性上完美通关。
产品设计变得越来越复杂，而 AI 有助于缩短设计周期。我曾经接触过虚拟现实产品，尽管 Meta 在努力降低计算量，但依然要确保虚拟现实头盔的散热性能，不能让用户受到EMI辐射。在这种前沿产品的设计过程中，我们的仿真工具发挥着关键作用。
问：用户对 AI/ML 有何想法？
Brad：很多人都会觉得：“哇，我以前从来没有想过这些。”他们感到获得了一种可以让他们成为更出色工程师的工具；对此我也深有同感。Cadence 工具速度快，容量高；当 Clarity 3D Solver、Celsius Thermal Solver、 Sigrity X 等工具在多个核心上运行时，能够快速解决问题。有了这些得心应手的利器，用户可以进行智能扫描，并确定从未设想的优化解决方案。现在，借助 AI 自身的计算能力，工程师可以专注于更出色的设计开发。
Optimality 与 Cadence 多物理场分析技术集成
问：所以说，Optimality 技术是在充分利用AI的潜能，引导用户做出有助于最佳设计的决策？
Brad：设计流程的关键在于设计决策，而 Optimality 可以帮助用户做出更明智的决定。否则，我们只是在盲目进行的几次仿真中猜测哪一个结果最好。我们完全不会想到，其实可能还有另外 50 种方案，其中第 47 号才是最佳选择，更有助于提升产品性能。但若只凭工程师自己去实现，是并不现实的。
问：富士康的前首席技术官 Happy Holden 一直推崇在 EDA 工具中引入 AI 技术，但他认为不能将 AI 直接插入到现有 EDA 工具的代码中，因为其中许多工具是在 15 到 20 年前编写的。
Brad：他说的没错。但 Cadence Sigrity X 采用全新的引擎， Clarity 3D Solver 也是近年全新打造，并不像其他工具那样是上世纪 90 年代编写的老古董。Happy 的话道理不假，但 Cadence 重新编写了自己的工具，具备最新的软件工程功能。
总体而言，人工智能将是助力工程设计的强大工具。Cadence Optimality Intelligent System Explorer 使用人工智能和机器学习技术 (AI/ML) 来自动指导优化，使电子系统的多学科分析和优化 (MDAO) 得以实现。
如果想了解更多 Optimality 技术，欢迎联系 Cadence China 官方代理商 Graser 敦众软件 团队。
本文授权转载出处
长按识别 QRcode，关注「Cadence 楷登 PCB 及封装资源中心」
欢迎关注 Graser 社群，实时掌握最新技术应用信息
