论文部分内容阅读
随着集成电路设计和制造水平的高速发展，超大规模集成电路被广泛地应用在与信息技术相关的所有行业中，日渐成为这些产业设备的核心硬件支柱。随着智能设备的大规模普及，以SOC为代表的新一代集成电路芯片逐渐走进千家万户，为人类提供了日益丰富的使用体验。 在超大规模集成电路设计中，最重要的环节之一是芯片的供电网络设计。芯片供电网络的设计优劣直接影响芯片的工作稳定性甚至市场价值。伴随着集成电路进入纳米时代，不断增大的电路规模和日益迫切的功耗要求，给集成电路供电网络的自动化设计水平提出了巨大的挑战。在最新的高性能计算机处理器芯片中，设计者们通过在供电网络内放置电压传感器，实时监测各个供电节点的电压水平，并结合电压的波动情况在体系结构方面采取措施以保障计算正确性，或采取电路级别低功耗技术大幅降低芯片的整体功耗。考虑到芯片电路具有较强的整体性，且电压传感器会引入额外的设计测试成本，如何优化芯片上电压传感器的位置和数量，并使其布局达到最好的监测效果这一问题，目前已成为供电网络计算机辅助设计领域最具有实际意义的研究方向之一。 本课题提出了一种新颖的芯片电压传感器布局解决方案。该方案基于大量历史和仿真数据，利用机器学习中常用的正则化方法，分别构建了针对于连续值输出模拟信号电压传感器，和离散值输出数字信号电压传感器的布局模型。由于芯片大量采用模块化的整体性设计，因此电压传感器并不适于直接放置在功能电路模块内部，而是应放置在芯片上的空白区域内。为了充分利用电压传感器测量的空白区域电压值，来准确预测各模块内的电压情况，本课题基于供电网络内各点电压线性关系假设的基础之上，又分别引入线性回归和支持向量机，建立了适用于连续值和离散值两种情况的各模块内热节点实时电压预测模型。 经过大量仿真实验数据测试，该方案中的连续值模型具有较高的预测精度，与最新的研究成果相比，能够降低电压紧急状态误判率至原有模型的50％左右。本课题提出的离散值模型更是首个专门针对于离散值仿真和预测而提出的快速电压传感器布局解决方案，和高准确度模块热节点电压预测模型。