代工廠那邊最新的工藝模型數(shù)據(jù)有沒有同步導入驗證環(huán)境?”
他通過Welink聯(lián)系負責該模塊的劉姓工程師。
“鐘部長,剛跑完最后一輪對比測試,精度完全達標,甚至比預(yù)期的還好!
PDK數(shù)據(jù)已經(jīng)同步了,正在做兼容性檢查,目前沒有報錯?!?/p>
耳機里傳來劉工略顯興奮但又克制的聲音,顯然也是獲得了理想的成績。
“非常好!
把測試報告和日志發(fā)我一份,重點標注一下與上一版工具的差異點。
另外,讓測試組的同事加緊壓力測試,模擬超大規(guī)模設(shè)計的負載情況,不能只看理想狀態(tài)?!?/p>
鐘耀祖指示道。
“明白鐘部長,我馬上安排?!?/p>
剛結(jié)束通話,另一個窗口彈出消息,是負責AI布局優(yōu)化算法的王博士:
“耀祖部長,有個情況。
我們新迭代的布局算法在7nm工藝的一個測試案例上,時序收斂效果比預(yù)期差了百分之三左右。
初步分析可能和新的布線擁塞預(yù)測模型有關(guān),也可能是工藝角覆蓋不夠全面。
需要你幫忙看看決策樹那里是否需要調(diào)整?!?/p>
鐘耀祖立刻回復:
“把測試案例、收斂報告以及新模型的調(diào)試日志發(fā)給我。
同時,啟動B方案,用之前的穩(wěn)定版本先確保這個案例能過。
算法優(yōu)化不能影響當前項目的交付節(jié)點。
半小時后我們開個短會討論?!?/p>
處理完這些,他又點開了自己負責的AI驅(qū)動芯片性能建模工具的代碼評審界面,仔細查看團隊成員剛提交的幾處關(guān)鍵修改。
他在一行關(guān)于熱效應(yīng)模擬的代碼旁添加了批注:
“此處閾值設(shè)定缺乏動態(tài)適應(yīng)性,建議參考我們上次討論的論文第三章的方法,引入機器學習預(yù)測模塊進行實時調(diào)整,以應(yīng)對不同工作負載下的熱變化。
可先在小規(guī)模模塊上驗證有效性?!?/p>