在多個第三方IP核、外部接口和低功耗設(shè)計驅(qū)動下，數(shù)十億門級的專用集成電路(ASIC)已具備幾十甚至數(shù)百個異步時鐘域，而要解決跨時鐘域(CDC)問題，RTL仿真和靜態(tài)時序分析(STA)都不是最理想的解決方案。

對數(shù)字開發(fā)者而言，CDC問題主要源于以下四種常見的跨時鐘域場景。

如果沒有合適的時鐘同步器，由異步時鐘域之間的抖動引起的亞穩(wěn)態(tài)可能會導(dǎo)致功能故障。此外，設(shè)計中還存在更復(fù)雜的路徑和場景，例如多條同步后的路徑經(jīng)過組合邏輯匯聚在一起可能會由于同步器的不確定性而導(dǎo)致時序不匹配。此類缺陷通常無法在流片前解決，因此出錯后可能會導(dǎo)致芯片設(shè)計返工，從而付出高昂的代價!

CDC驗證是流片前的關(guān)鍵簽核標(biāo)準(zhǔn)。那么要實現(xiàn)這一標(biāo)準(zhǔn)，ASIC開發(fā)團隊將會面臨哪些挑戰(zhàn)呢?

周轉(zhuǎn)時間

CDC違規(guī)清零是芯片簽核的必要條件。

解決CDC問題的難度與芯片的設(shè)計規(guī)模成正比。在數(shù)十億門級的ASIC設(shè)計中可能存在數(shù)百個異步時鐘和數(shù)百萬個跨異步路徑。開發(fā)者通常需要消耗萬億字節(jié)內(nèi)存，并花費數(shù)天時間才能完成全芯片的扁平級CDC分析。在此過程中，周轉(zhuǎn)時間非常重要。

在進行CDC分析時，開發(fā)者們可采取自下而上的分層分析法，就像進行綜合和靜態(tài)時序分析那樣，每次分析一個模塊，逐個模塊解決CDC錯誤。在向上一個層級移動的過程中，開發(fā)者們可以用抽象的CDC模型替換CDC違例已經(jīng)清理干凈的模塊。這一模型將只包含與上一層相關(guān)的時鐘路徑，而不考慮所有內(nèi)部跨異步路徑，每清理完一個層級，就會繼續(xù)進行下一層級的CDC清理，以此類推。

通過這種方式，CDC分析可左移到開發(fā)流程的早期階段，而無需等到流片前才完成。如果在臨近流片時還在修復(fù)CDC錯誤，會對設(shè)計造成極大的破壞性，代價極其高昂!

新思科技VC SpyGlass CDC擁有CDC簽核以及層次化驗證流程，采用高效的分層方法，在不改變結(jié)果質(zhì)量(QoR)的情況下，減少了內(nèi)存需求，將周轉(zhuǎn)時間提高至少3倍。

誤報問題

CDC分析的另一個重大挑戰(zhàn)是誤報問題。

當(dāng)設(shè)計中有數(shù)以百萬計的CDC跨異步路徑時，出現(xiàn)的違例數(shù)量也會非常龐大，那么要確定問題究竟出在哪就會如同大海撈針一般，非常困難，這就導(dǎo)致開發(fā)者可能會遺漏一些十分重要的CDC違例從而沒有進行bug修復(fù)。因此，對于大型ASIC開發(fā)者來說，CDC分析十分棘手。

幸運的是，數(shù)據(jù)科學(xué)為我們提供了解題思路──機器學(xué)習(xí)(ML)技術(shù)可以成為解決這一問題的關(guān)鍵。ML技術(shù)可以根據(jù)問題根源對違例行為進行分類，我們會發(fā)現(xiàn)，很多違例行為都可以歸因為同一個問題，且歸類的前五大問題幾乎可以覆蓋95%以上的違例行為，只要解決這五大問題，就可以極大減少違例誤報，對開發(fā)者來說，發(fā)現(xiàn)并解決剩余5%的問題也將容易不少。

VC SpyGlass CDC通過采用ML技術(shù)對違例誤報執(zhí)行根本原因分析(RCA)來解決誤報問題。這種ML RCA方法不僅可以分門別類地識別違例，還可以通過調(diào)試線索提示根本原因，助力開發(fā)者高效找到解決方案。例如，由于缺少同步機制，開發(fā)者們可以通過更改RTL來糾錯，但更常規(guī)的做法是對CDC約束文件進行優(yōu)化或補充。這種約束優(yōu)化過程能夠快速迭代，大幅減少違例行為，并快速識別需要在設(shè)計中修復(fù)的真正的CDC問題。

約束是否正確

CDC分析是由約束驅(qū)動的，約束由開發(fā)者編寫，不正確的約束可能會導(dǎo)致不正確的CDC分析，比如約束錯誤可能會導(dǎo)致真正的CDC違例沒有被發(fā)現(xiàn)，因此沒有被修復(fù)并最終導(dǎo)致流片失敗。當(dāng)芯片設(shè)計中需要輸入約束文件(如新思科技設(shè)計約束(SDC)文件)時，檢查這些輸入文件的正確性至關(guān)重要。確保這些約束文件正確的方法之一是將約束轉(zhuǎn)化為斷言并把他們放到動態(tài)仿真環(huán)境里去驗證。這種方法將為開發(fā)者們提供更高級別的約束驗證。

豁免是否正確

除約束外，還可以運用違例豁免?；砻庖彩荂DC分析工作流所需的輸入文件，通過分析手動生成。錯誤地運用豁免可能會導(dǎo)致CDC的真實錯誤被掩蓋。即使豁免最初是正確的，但為解決功能或性能問題，開發(fā)者也可能需要修改RTL或網(wǎng)表ECO。在這種情況下，開發(fā)者需要對豁免進行核查，因為之前有效的條件可能不再成立。

更困難的收斂問題

大多數(shù)CDC問題都可以進行靜態(tài)結(jié)構(gòu)性分析，但在某些情況下動態(tài)分析也是有必要的，比如在設(shè)計中存在很復(fù)雜的匯聚問題，尤其是時序匯聚深度很深并且工具默認(rèn)檢查深度不夠的話，就會遺漏這類問題。

所以比較好的解決辦法是使用亞穩(wěn)態(tài)注入進行仿真。VC SpyGlass CDC將生成亞穩(wěn)態(tài)模型的CDC數(shù)據(jù)庫，該數(shù)據(jù)庫將在仿真運行時動態(tài)注入隨機抖動。

新思科技的VCS仿真可在運行時進行本地數(shù)據(jù)庫讀取，新思科技的Verdi自動調(diào)試系統(tǒng)可以對故障進行調(diào)試，并對亞穩(wěn)態(tài)注入信號進行監(jiān)控，生成覆蓋率報告注入了多少次亞穩(wěn)態(tài)抖動。

處理第三方IP核

大多數(shù)數(shù)十億門級ASIC會集成多個第三方IP核，這些IP核可能提供了CDC約束，但沒有提供簽核CDC抽象模型。開發(fā)者們肯定不希望對所有IP核都進行扁平化CDC分析，因此開發(fā)者們可以針對IP生成其對應(yīng)的SAM 抽象模型并把它集成到頂層的CDC驗證流程。

調(diào)試效率

與驗證一樣，調(diào)試工具的有效性也會極大地影響開發(fā)者的工作效率。以CDC調(diào)試為例，最有效的解決方案是將良好的圖形可視化與波形分析相結(jié)合。此外，熟悉的調(diào)試環(huán)境和在多個驗證平臺使用統(tǒng)一的調(diào)試工具對開發(fā)者來說也十分重要。新思科技的Verdi調(diào)試器能夠確?？缙脚_一致性，提高CDC的調(diào)試效率。

如何處理MBIST

最后一個要考慮的問題是如何處理MBIST插入。

MBIST通常在產(chǎn)品開發(fā)生命周期要結(jié)束時完成，可能占最終設(shè)計總邏輯的3%左右。MBIST的插入可能會導(dǎo)致芯片設(shè)計中CDC跨異步路徑大幅增加。這一點在流片前的CDC簽核過程中一定不能忽略。開發(fā)者們可以先單獨對MBIST做CDC分析，清理CDC違例，之后再插入MBIST，從而減少設(shè)計迭代。

結(jié) 語

VC SpyGlass CDC是新思科技在Verification Continuum平臺上集成的靜態(tài)分析解決方案之一，可提供全面的CDC簽核方法，實現(xiàn)高效能、大容量和高調(diào)試效率。該方法原生地與VCS仿真工具等其他工具協(xié)同工作，并通過與Verdi調(diào)試器集成為開發(fā)者們提供高效的調(diào)試體驗。

原文標(biāo)題：CDC驗證：數(shù)十億門級ASIC設(shè)計的最大挑戰(zhàn)之一

文章出處：【微信公眾號：新思科技】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅