
Siemens onthult bibliotheekkarakterisering op basis van AI
Solido Characterizer maakt gebruik van AI-engines om het genereren van .lib van weken naar dagen te versnellen en een 7x hogere doorvoer te leveren.
Een suite van door AI aangedreven hulpmiddelen voor bibliotheekkarakterisering die snelle oplossingen bieden met ongeëvenaarde nauwkeurigheid. Stroomlijn de karakteriseringsstromen door middel van robuuste verificatie en begeleiding bij IP-selectie, en verkort de looptijd aanzienlijk en zorg tegelijkertijd voor productienauwkeurige modellen en statistische gegevens.

De Solido Characterization-suite werkt met elke bestaande karakteriseringsoplossing voor standaardcellen, iOS, geheugens en aangepaste cellen en ondersteunt alle .lib-gegevenstypen, waaronder timing, vermogen, ruis en variatie, en ondersteunt alle .lib-gegevensstructuren zoals NLDM, CCS, LVF en Moments.







In dit artikel worden de Analytics- en Variation Designer-tools van Solido besproken, die samen een afmeldoplossing bieden voor het verifiëren van LVF-gegevens in .libs met behulp van geavanceerde technologie die geschikt is voor machine learning.

Een IP QA-raamwerk dat gebruikmaakt van Solido Crosscheck en Solido Analytics stelt STMicroelectronics in staat om de IP-planningstijd en de releasekwaliteit te verbeteren, zich te concentreren op productontwerp en benchmark en de IP-validatie te vergelijken met de industriestandaarden.

Dit artikel classificeert de niveaus van kunstmatige intelligentie (AI) die EDA tegenwoordig hanteert, beschrijft wat de Solido-groep van Siemens EDA nodig had om AI van productiekwaliteit te ontwikkelen in haar EDA-tools, en hoe dit klanten ten goede komt.
We staan klaar om uw vragen te beantwoorden.
Neem contact op met ons verkoopteam 1-800-547-3000