EDA (diseño automatizado)

El EDA implica un conjunto diverso de algoritmos y aplicaciones de software necesarios para el diseño de complejos productos semiconductores y de electrónica de próxima generación. El aumento en la complejidad de los diseños VLSI supone un desafío significativo para EDA; el rendimiento de aplicación no se escala eficazmente desde que las ganancias de rendimiento de los microprocesadores se han visto afectadas por los aumentos de problemas de potencia y fabricabilidad que acompañan a la escala. Los sistemas digitales suelen validarse distribuyendo tareas de simulación lógica entre inmensos clusters de servidores durante semanas a la vez. Sin embargo, el rendimiento de la simulación a menudo se queda atrás, generando verificaciones incompletas y errores funcionales no detectados. Así pues, no debe sorprender que la industria de los semiconductores no deje de buscar soluciones de simulación más rápidas. Las recientes tendencias en alta capacidad computacional (HPC) explotan cada vez más las GPUs multinúcleo como ventaja competitiva mediante el uso de las GPU como un coprocesador de CPU masivamente paralelo para acelerar las simulaciones computacionalmente intensivas de EDA, entre ellas las simulaciones Verilog, de integridad de señal y electromagnética, de litografía computacional, simulación de circuito de SPICE y otras.
Simulación Verilog en GPUs con RocketSim [Más información] (Fuente: Tomer Ben-David, Rocketick, Israel)
Simulación EM de onda completa acelerada por GPU para analizar la diafonía en el lado opuesto del paquete (Fuente: Martin Timm, CST, Alemania)

Aplicaciones de desarrollo de software independiente usando que utilizan CUDA

* Mejora esperada de la velocidad con respecto a un sistema basado en una CPU x64 de cuatro núcleos. Cifra obtenida de las pruebas internas de NVIDIA o de la documentación suministrada por el proveedor de la aplicación.

Otro software relevante que utiliza CUDA

• Solvers FDTD de Acceleware
• FMSlib: álgebra matricial fuera de núcleo con GPU en paralelo de Multipath
• Soluciones de electromagnetismo de Acceleware
• Simulaciones de propagación de la luz basadas en el método de FDTD y aceleradas en GPUs de propósito general

Publicaciones técnicas sobre EDA con CUDA

• Simulación de nivel de puertas de alto rendimiento con computación de GP-GPU
• Aceleración de validación funcional usando GPGPU
• Comprobación de equivalencia paralela con GPUs
• Hacia una computación EDA en GPUs
• Aceleración por hardware de algoritmos EDA: ICs, FPGAs, GPUs personalizados
• Es cuestión de tiempo (simulaciones de EM en el diseño de EDA de placas de circuito impreso)

Solvers y kernels de núcleo para EDA en GPUs CUDA

• Solvers matriciales de Acceleware
• Librería de álgebra lineal densa (MAGMA)
• Librería de álgebra lineal acelerada en la GPU (CULA)
• Métodos de resolución para multiplicar matrices dispersas por vectores: solvers iterativos
• SpMV de NVIDIA: Código
• Artículo 1
• Artículo 2
• CUDA iterativo
• Métodos de resolución para multiplicar matrices dispersas por vectores: solvers directos
• PARDISO con CUDA

Ver también

• AccelerEyes Jacket™ for MATLAB®
• MATLAB®
• Casos de éxito en implantaciones Tesla/CUDA
• Otras soluciones sectoriales basadas en Tesla
• Herramientas y librerías de desarrollo de software CUDA
• Comprar Tesla

MATLAB es una marca registrada de The MathWorks, Inc.
Jacket es una marca registrada de AccelerEyes