芯片设计挑战物理极限，大数据伸出援手

"在RTL中，有些时钟门控电路的转换可以产生下游的EMI影响，"Kulkarni说，"它们也经常会造成压降情况。你需要服务器中大量的数据来快速分析这些影响，然后执行假设分析，但在如今的使用模式下是不可能存在的。打个比方，我们可以看下奥迪的e-bike自行车，KTM X-Bow运动汽车以及谷歌Tensor处理单元来看下通常情况是怎样的。"

将数据进行分层分析，这对于理解是非常重要的。他提到，最低层次的就是描述一个条件/失败。接下来则是预测性分析，可以假定一个故障情况，如果该热点继续存在于电源线或者信号线上，则是失败的，但是可以通过创建可靠性模型来避免这种情况。这些分析的最高层次则是指令性的分析，可以预防未来具有机器学习功能的设计的故障，这就是大数据的关键作用。机器学习则会根据以往经验来进行上千次的相关实验。

在芯片的世界里，大数据仍然是一个较新的概念，但这种情况正在悄然改变。

Cadence公司验证IP和存储模块产品市场总监Susan Peterso表示，该公司正考虑新的验证方法，借助大数据。他说："我们首先考虑的就是存储产品，通常我们都会考虑这些问题，‘我们所要做的就是功能验证，但是这样做真的符合规范吗？符合规范速度但又超级慢怎么办？或者非常耗电怎么办？’导致的结果是根本无法满足设计目标。"

为此，她表示："今年晚些时候，公司会展示一些非常独特的产品--特别是在存储领域--不仅可以帮助工程师验证正确的功能，而且可以平衡功率和性能。特别在内存产品方面，你可以因此而关注全貌，不仅仅只是功能"

她认为，通过采用先进的大数据算法来分析这些引擎所输出的数据，将提升不同引擎的性能。

Cadence公司系统和验证部门产品经理Frank Schirrmeister 相信："在设计工具行业利用大数据算法是非常有趣的，并且这是非常有必要的。但是目前仍有很多工作要做，需求来自我们仿真等技术产生了大量数据，需要用户来不断的消化，我们还有很多的数据需要处理，大数据方法的引入是必然。"

一个最有可能的开发领域是纠错部分的机器学习，他说："人们需要处理很多的数据并进行对比，不可能所有的处理都人工来实现。虽然在有限的过程中，人们通常知道自己在寻找什么，但是问题在于人们并不了解的东西是什么？我们要做的，就是帮助用户去识别他们没有意识到的东西，比如，"你以前看到这种情况吗？"，或"你意识到这些情况会同时发生吗？"诸如此类，我们寻找更智能化的方法帮助用户搜寻情报，来预测将要发生的情况，并找出他们不能找到的东西。处理所有数据本身就是一个大问题，因为你不能一直保留这些数据并指望能找到什么，你需要更智能的方法来帮忙。"

用大数据的方法可以带来很多好处，但大数据结构之上是要对一个设计有透彻的了解，可以反过来实现增量分析和快速设计更新，这也需要充分发挥出大数据结构的潜能。