当前位置:首页 > 模拟 > 模拟
[导读]引言Cadence设计系统公司提供一种全面的SystemC TLM驱动式IP设计与验证解决方案,包括方法学指南、高阶综合、有TLM感知的验证以及客户服务,推动用户向TLM驱动设计与验证流程转变。下一个抽象级别建立在事务级建模(T

引言

Cadence设计系统公司提供一种全面的SystemC TLM驱动式IP设计与验证解决方案,包括方法学指南、高阶综合、有TLM感知的验证以及客户服务,推动用户向TLM驱动设计与验证流程转变。

下一个抽象级别建立在事务级建模(TLM)基础之上。创建TLM IP作为黄金源码后,设计团队可简化IP创建和复用,在功能验证上节省人力物力,并减少bug。设计迭代减少,原因是TLM验证比RTL验证快得多,且架构选择在RTL验证进行之前就能得到确定。此外,事务级模型可用于软硬件协同验证,并可组成用于早期软件开发的虚拟平台的一部分。所有这些优势将大幅提升设计效率。

TLM通过函数调用而非信号或线路进行模块间通信。它允许用户分析读或写这些事务,而不用担心底层逻辑的实现和时序。SystemC是开发可复用、可互用TLM IP的最佳语言标准。此外,因为SystemC建立在C++基础上,它还允许对C语言算术函数的完全复用。开放SystemC行动(OSCI)为TLM模型定义了若干抽象层,分别是程序员视角(无定时)模型、宽松定时模型和近似定时模型。

要求对RTL进行改变的关键难题

在RTL中,有限状态机的结构要进行充分描述。这意味着,在编写RTL时需关注微架构详情,如存储器结构、流水线、控制状态或最终实现中使用的ALU等。 这一要求导致更长、可复用性更低的设计与验证流程。

有时当TLM用于当前流程时,现有的基于RTL的流程需要进行两次设计意图手工输入——一次在系统级、一次在RTL级。这种过程粗笨低效且易出错。架构直至产生RTL后才能确定,而重新确定IP目标成本很高。一个真正的TLM驱动式设计与验证流程将只需要一次设计意图简单的表达,并提供一条自动化的转换方法。

从RTL开始查找和解决架构问题过程长,代价高

RTL驱动式设计方法学的一大问题是,一种架构是否能实现,直到建立了RTL并对其进行验证后才能确认。由于RTL是架构的直接表示,大部分RTL设计师不得不同时探究功能正确性、架构和设计目标。这导致很长的周期,始于做出架构决定,终止于验证功能性。通常,设计与验证团队会发现需要修改架构的功能性bug,每次发现这样的bug就需要重新开始整个周期。

在RTL上复用IP设计限制了架构灵活性

当今SoC中,可能有高达90%的IP模块来自以前项目的复用。但是,当IP的黄金源码为微架构级别时,复用是很困难的。重定RTL IP的微架构目标费力且容易出错。目标系统应用可能差别很大,意味着不通过重新架构,仅通过简单复用,新的SoC设计目标是不能达到的。例如,RTL设计师可能需要将设计重新分割成RTL块、改变流水线级数、或创建新的存储器架构,因为在原有IP中,这些微架构详情都是固定和预先决定的。

RTL功能验证时间比当前技术的最高吞吐量增加得更快

在很多SoC项目中,功能验证已成为主要瓶颈。RTL功能验证开始时,在系统级的大量验证投入已然损失。虽然验证规划、指标驱动式验证等方法使设计团队尚能应付当前的大部分验证难题,但时间限制和日益增多的门数正在使验证变得难以为继。RTL功能验证所需时间可能随设计的增大而呈指数式增长,因为相互作用的各种模式及该IP需要测试的许多软硬件配置导致了各种极端情形,它们也需要进行验证。

RTL是有精确时钟周期的,涉及的代码行远多于TLM逻辑。对RTL模型进行仿真时,仿真器检查所有事件或时钟周期,即使在协议级上并未发生任何重大情况。仿真器要在微架构详情上浪费大量机器周期,而这些需要在架构确定后才能确认。TLM仿真在更高抽象级别进行,能更早完成,并提供更高性能。

TLM正是需要的解决方案

TLM驱动的设计和验证流程可实现在功能级别上描述IP,然后在快速仿真中验证事务的功能行为。TLM流程的主要优点包括能更快创建设计;减少了黄金源码中的代码行;bug更少;表达设计意图更容易,且仅需一次;更快的仿真和调试;功耗预估可更早进行;支持软硬件协同验证;可将模型纳入虚拟平台;RTL生成前可进行架构验证;在RTL验证中可复用TLM验证IP;无需微架构重新设计即可进行IP复用;ECO模式下产生的RTL变化很小。

基于TLM的流程与高层次综合(HLS)配合,可将抽象级别提高。这是大约15年前设计师转向RTL后的又一次重大转变,根据之前的经验,这次转变有可能使设计效率呈现数量级的提升(见图1)。

 

 

下面几部分描述了TLM驱动式设计和验证流程的具体属性和优势。

创建TLM作为黄金源码

——更快的IP创建与设计IP复用

与RTL不同的是,TLM不描述最终实现的微架构详情。不描述微架构详情大幅提高了TLM设计在要求各不相同的多个项目间的可复用性,因为相同的TLM IP可重新定为不同微架构的RTL代码。而且,得益于更高的抽象程度,正确地创建功能要容易得多。TLM模型具有的代码行比对应的RTL模型要少得多,从而在最终设计中实现了编码效率和品质的同步提高。

开发与维护作为IP模块黄金源码的TLM所需的综合和验证解决方案,需要产生有品质保证的结果并验证其正确性,且无须编辑RTL或门级设计。这使设计团队在TLM环境内就能做出所有决定,并可通过将TLM源码复用于系统来约束完全不同的其他设计。

SystemC是描述事务级设计的最佳标准,并连接到实现,提供了最好的可复用机会。它可对硬件的并发特性进行建模,并针对进程、管脚、线程和控制逻辑描述定时或非定时的行为。TLM 1.0和2.0标准提供了创建可互用IP模型的能力。最终,需要有一个合格的可综合TLM IP库,及可综合TLM标准(或事实上的)子集。
 

对TLM IP的功能验证可应对验证吞吐量的爆发

TLM IP验证相对RTL验证具有很多优势。首先,仿真运行更快——相对RTL仿真有数量级的提升,从而允许验证更多功能性实例。同时,在TLM抽象级别上进行的调试比RTL调试更容易、更快速。

通过在更高抽象级别上编码,TLM IP需要的代码行更少,bug也更少。功能性bug在设计早期就能被发现和解决。因而可大幅减少验证工作的总体投入。

在TLM抽象级别上,定位和理解bug更容易,修正bug也更容易,原因是需要处理的详情更少。TLM流程允许在最合适的抽象级别来验证各关注重点,如TLM用来验证功能、信号级验证用于验证接口等。

TLM验证流程始自算法功能验证,允许用软件进行功能验证,然后转向TLM功能验证(见图2)。通过C-to-Silicon Compiler的编译,用户可转向微架构RTL验证和RTL到门级等效性检查。除支持仿真很快的非定时建模外,TLM还允许用户进行改进,逐渐包含微架构详情,并改进时序精确性。

 

 

软硬件协同验证及早期软件开发

TLM模型抽象级别高、执行快,足够执行切实可行的软硬件协同仿真。设计师能将嵌入式软件与TLM硬件模型进行协同仿真,来检查软硬件依赖性,并对依赖于硬件的软件进行早期调试。有可能将这些技术当做对软硬件交互的随机化激励与覆盖进行应用。

用于早期软件开发和调试的虚拟平台可能包含由SystemC TLM模型组成的子系统。得益于它们的快速执行,为创建硬件设计而开发的模型也可用来加速软件设计。

支持TLM和RTL混合验证

在SoC级别需要TLM和RTL混合功能验证,是因为有大量将被复用的遗留RTL IP,且仍有必要针对设计各部分进行详细RTL功能验证。某些验证任务将只能在RTL上才能完成,包括针对存储器存取顺序或状态迁移覆盖等属性的微架构结构验证。

由于大部分验证工具如验证计划(vPlan)、开放验证方法学(OVM)验证组件、testbench、序列、测试、检查和覆盖等在各种抽象级别都能复用,因此TLM/RTL混合信号验证也变得更容易实现。功能验证规划与管理跨TLM与RTL两个级别,允许团队在混合级别设计中的各级别上对验证进行跟踪和控制,并在需要时对结果进行整合,确保了整体品质。

用于SystemVerilog的OVM已得到扩充,可支持包括e与SystemC在内的多种语言。OVM库也支持TLM。目前,OVM方法学描述正在进行扩充,以显示怎样在一个综合性回归解决方案中整合TLM和RTL模型。这将有助于创建工作于多语言、TLM/RTL混合验证环境的验证IP(VIP)。

多级功能验证testbench基于事务,当它连接到基于RTL的IP、总线或接口时,需要一个事务处理器在事务级域和管脚精确的RTL域之间进行转换。类似地,需要事务处理器将TLM IP块连接到RTL IP块上的总线或接口。基于TLM的方法学必须考虑,这些事务处理器该怎样工作,以获得混合TLM/RTL验证的最大收益。有些事务处理器可通过购买取得,而有些则是专有的,由项目团队创建,并作为验证库组件进行管理。

很多项目实现TLM仅仅是为了新IP,从而逐渐建立起一个TLM IP库,许多团队针对新的IP采用了TLM的方法学,并且逐渐丰富TLM IP库,而有些团队在事关成败的关键项目中采用了TLM方法学,用于所有重要的IP模块。最终,SoC的所有IP黄金源码都来自于TLM级。在这些情况下,品质、效率及容易调试的优点将比TLM/RTL混合项目中更加明显。SoC TLM功能验证,包括SoC级架构分析和优化,将可能实现。

从TLM到RTL验证进行VIP复用

VIP复用现已成为主流,因为创建高质量验证环境的时间经常超过创建设计IP本身的时间。标准协议的广泛使用推动了商业VIP市场的快速发展。当前,大部分VIP是寄存器传输级的。由TLM得到的VIP也将有一定需求,但必须可复用于TLM/RTL混合功能验证。

在RTL功能验证中,使用约束随机激励生成的先进testbench占据了主导地位。由TLM得到的VIP在用于TLM、TLM/RTL混合及RTL功能验证的testbench中应该都是可操作的。这样的VIP需允许指标驱动式验证的应用,因为客户会在验证抽象的所有级别上使用覆盖指标。最后,对于和架构及软件工程团队工作密切相关的验证团队,辅助的嵌入式软件和定向测试也是必需的。
 

从算法到微架构的渐进式设计改进

TLM IP设计和验证流程有若干独特的步骤:算法验证、架构验证、微架构验证(见图3)。第一步(算法验证)可能涉及C++或Matlab或Simulink这样的产品。用户可为关键算法特性制定一个vPlan,验证I/O的功能,并为关键实例应用激励序列。

 

 

第二步(架构验证),设计师使用TLM驱动式IP建模(TDIP)方法学来定义架构和接口协议。他们复用算法vPlan,并应用额外的激励、检查、断言与覆盖,还为关键架构和接口协议特性制定vPlan。在第三步(微架构验证),设计师通过C-to-Silicon Compiler进行综合,复用算法和架构vPlan,然后推广至激励、检查、断言与覆盖中的微架构详情。

Cadence TLM产品

Cadence TLM驱动式IP设计与验证解决方案包含方法学指南、C-to-Silicon Compiler、Cadence Incisive功能验证平台以及TLM驱动式IP设计与验证服务。

统一的TLM驱动式IP设计、验证、复用方法学及编码指南

Cadence将为TLM驱动式IP设计与验证提供方法学指南,帮助设计团队在最短时间内以最高效率启动和完成他们初始的TLM项目,并避免采用新方法学的常见错误。从TLM IP设计编码风格、建模指南及综合子集开始,用户能够创建TLM IP,其架构利用了高层次综合所提供的能力。在整个TLM驱动的IP方法学中都考虑了对设计和验证IP的复用。

C-to-Silicon Compiler利用TLM黄金源码创建高质量的RTL

C-to-Silicon Compiler是一个高层次综合产品,它采用TLM SystemC IP描述和约束,并创建可用于标准RTL实现流程的RTL。为确保结果的质量,它利用Cadence Incisive RTL Compiler技术来创建逻辑,并提取该逻辑的时序与功耗信息来决定最终RTL的架构详情。

C-to-Silicon Compiler GUI显示了原始SystemC和根据它生成的RTL代码行之间的对应关系。这种独特的对照功能鼓励系统设计师和RTL设计师之间的沟通,并有助于保持SystemC TLM作为黄金源码。它还将调试提升到更高的抽象水平,并使设计师可以评估SystemC源码的变化对RTL产生的影响。

C-to-Silicon Compiler提供了增量综合能力,可大幅简化工程更改(ECO)过程并尽可能减少对RTL代码的更改。其他大多数HLS工具都要求对整个算法进行重新综合,意味着源代码中的微小变化也会导致完全不同的RTL。在这些情形下,必须重做逻辑综合和RTL验证。因而很难将SystemC代码保持为黄金源码。相比之下,C-to-Silicon Compiler仅对算法的改变部分生成RTL代码,而不修改设计的其他部分。

C-to-Silicon Compiler能通过应用新约束,生成新RTL,将TLM设计IP转移到新的微架构目标。通过指定不同时序、面积和功耗约束或不同微架构指导如流水线级数,就能生成新的RTL。这样,设计团队就能重复利用IP,且人力投入更少,RTL质量更高,时间更少。通过尝试不同微架构,设计师还可运行假设实验。

最后,C-to-Silicon Compiler能自动生成周期准确的SystemC快速硬件模型(Fast Hardware Models, FHM),能以非定时TLM模型的80%~90%的速度执行。这些SystemC模型允许早期快速验证和软硬件协同开发。FHM配有来自Cadence Incisive环境的扩展,使变量和信号的显示更加明显,以方便分析和调试。

Incisive指标驱动式从TLM到收敛验证解决方案

Cadence Incisive功能验证平台是完全集成化的多语言、多级别功能验证解决方案。利用指标驱动式验证、专注于硬件的定向测试、软件定向测试或软硬件协同验证,Cadence Incisive Enterprise Simulator可完整验证符合OSCI TLM 2.0的设计IP。

特别设计的事务级分析和统一的调试特性有助于TLM IP的创建和验证,无论设计是完整的TLM IP或仅仅是遗留RTL SoC中的一个TLM IP模块。Incisive Enterprise Simulator在其调试环境中自动识别TLM 2.0构件,可提供保存/重启及重置功能,并针对SystemC/C++进行了扩展。该仿真器可推断事务信息,并提供有可感知TLM控制、可见性和调试特性。通过事务级的控制和调试操作,用户能够调试SystemC TLM 2.0设计中的所有互动元素。

通过Cadence Incisive Software Extensions,设计师能够运行嵌入式软件的处理器模型和TLM硬件模型的协同仿真。Incisive Software Extensions使验证testbench可使用在处理器模型下运行的软件、并为软硬件协同仿真提供了指标驱动式验证、伪随机测试生成、验证覆盖等功能。

Cadence Incisive Enterprise Manager提供了TLM、TLM/RTL与RTL功能验证技术,以成功获得收敛。对于具有大规模RTL遗留IP的SoC,使用Cadence Incisive Palladium或Cadence Incisive Xtreme,可用快速RTL检验对TLM仿真进行补充。这些硬件平台所允许的周期精确验证的运行速度,也能允许低阶软件验证的运行。

帮助规划和实施项目关键更改的服务

一次一个IP模块地过渡到TLM驱动式设计与验证,能降低一些风险和成本。但是,有些项目必须进一步减少风险,并借助丰富经验的帮助,来规划、执行并扩大最优方法验证。Cadence在全球都可提供TLM驱动式设计和验证的专家服务,以扩大成功机率,减少运行时间、人力投入和风险。

结语

TLM驱动式设计与验证将最终使TLM取代RTL作为大多数设计组件的黄金源码。其优势是明显的——快得多的设计与验证时间、IP复用更容易、bug更少。工作效率将实现RTL设计出现以来的最大跨越。但这一过渡不可能一蹴而就。TLM驱动式设计和验证方法在新IP被创建出来时,一次运行一个IP模块。而有些设计组件直接以RTL形式设计将是最好的方式。因此,必然要有将新TLM IP与遗留的RTL IP在设计与验证环境中进行合并的可能。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

上海2023年9月22日 /美通社/ -- 今天,在华为全联接大会2023上,以"加速GTM和联合销售,华为云与全球伙伴共成长"为主题的华为云分论坛成功举办。华为云及多位伙伴嘉宾发表主题演讲,分享业界...

关键字: 华为云 MARKETING AI 模型

北京2023年9月22日 /美通社/ -- 华为全联接大会2023期间,华为举办了"昇思MindSpore AI框架:引领大模型&科学智能原生创新"主题论坛,软通动力数字化创新服务线高级副总裁...

关键字: DSP AI 模型 开源

北京2023年9月21日 /美通社/ -- 去年年底,ChatGPT诞生,凭借强大、精准的自然语言理解和生成能力,令全球用户为之一震。 自此,各行各业纷纷投身大模型研发竞赛,掀起新一轮技术创新热潮。金融行业更是如此。如...

关键字: 模型 GPU PD 多模

杭州和北京2023年9月20日 /美通社/ -- 近日,浙江大华技术股份有限公司董事长兼总裁傅利泉、执行总裁赵宇宁一行,在北京与中国移动董事长杨杰以及政企事业部、技术部、研究院、投资公司等主要业务部门举行会晤。 傅...

关键字: 中国移动 数字经济 模型 数字化

北京2023年9月19日 /美通社/ -- 跨越式的变革往往发端于某个远见,成就于群策群力的布道与施道。 不久前,IBM在北京举办的"企业级AI的未来—...

关键字: IBM AI 模型 生成式AI

北京2023年9月19日 /美通社/ -- 8月27日,第二届828 B2B企业节在深圳盛大开幕,一场共创数字经济时代融合发展的盛会正式启动。828这个数字对于软通动力而言,有着更深更重的意义。 2017年8...

关键字: 华为云 数字化 BSP 模型

北京2023年9月15日 /美通社/ -- 大模型是当前通用人工智能产业发展创新的核心技术,目前国内已发布的生成式AI模型超过了100个。面向以大模型为核心的生成式AI开发与应用场景,近日浪潮信息发布了大模型智算软件栈O...

关键字: AI STATION 模型 分布式

北京2023年9月14日 /美通社/ -- 大模型在巨量算力的驱动下,"智能涌现"能力初显,带来了通用智能的曙光,也加速人工智能与千行百业融合。当前,人工智能算力不仅是驱动大模型进化的核心引擎,也成为...

关键字: 快手 AI 模型 生成式AI

北京2023年9月14日 /美通社/ -- 2023年9月12日,以"智算开新局 聚势迎新机"为主题的浪潮信息广东区生态伙伴大会在广州成功举行。广州区ISP战略伙伴、分销商、IVR、经销商等近400位...

关键字: 模型 全栈 AI 软件

北京2023年9月13日 /美通社/ -- 当前,“百模大战”带来了算力需求的爆发,AI芯片产业也迎来巨大机遇,“创新架构+开源生态”正在激发多元AI算力产品百花齐放。面对新的产业机会,AI算力产业链亟需通过上下游协作共...

关键字: 模型 TE ST AN
关闭
关闭