【 以下文字转载自 ITExpress 讨论区 】
发信人: BJQ1D863 (BJQ1D863), 信区: ITExpress
标 题: 老掉牙的EDA中有什么核心科技
发信站: 水木社区 (Tue Dec 15 14:47:14 2020), 站内
在一般码农看来，要是不加一些深度学习、神经网络或者大数据啥的，怎么能算核心科技呢？而EDA由于算法框架相对较成熟、生态相对封闭、数据不易获得等原因，除了GPU硬件加速外，其实和AI，云计算，大数据等另几款较时髦的IT技术结合的并不够紧密。
蓝而，在EDA的世界里，却能随意触碰到数理化里最基础、最前沿的科学课题。随便举几个例子吧：
1.量子物理：这个在16nm及以下的IC设计EDA中是家常便饭，比如finfet器件的spice模型，由于量子效应带来的各种影响（邻近效应、量子隧穿导致漏电流等）都需要精准建模。导致bsimcmg的器件参数和方程数比28nm以上的bsim4来说高了将近两个量级。虽说求解spice的基本原理70多年没有太大演变（LV分解、牛顿迭代等），但是矩阵规模的急剧增加给加速数值计算的策略带来了本质的变化。
2.P/NP问题，千禧年七大数学难题之一。最典型的例子就是超大规模数字IC的自动布局布线（APR）问题，去年骨狗发表的一篇Paper中，骨狗将其称为“人类工程学到目前为止遇到的最难的NP Hard问题”，相比之下alphaGo下围棋只能勉强排进前五。P=NP问题是计算机科学（主要是图论）中最为基本、重要的数学问题，目前数学家倾向于认为P不等于NP，也就是总有一类NP Hard问题是无法在有限多项式时间内取得精确解的，只能求得近似最优解。数字IC APR相比下围棋这类单纯只考虑胜负子数这一个标准的问题来说，难度在于：它要考虑的规则（constraint）多太多，尤其在先进工艺器件条件下，由于量子效应带来更多挑战：除了传统要考虑的连通性、拥挤度和一般性PPA（power,perfomance,Area）的最优化外，漏电流的优化、EM/IR分布问题、良率的提升等都是新的挑战。犹如一个庞大的混沌系统，每增加一个维度的constraint，优化的难度都会指数级增长。
3.纳维尔-斯托克斯方程（N-S方程），千禧年七大数学难题之六。这个问题出现在TCAD（器件的工艺生产的模拟EDA程序）中对流体过程的模拟，典型的就是MOCVD（金属氧化物往硅衬底上的化学气相沉积）过程的电学模拟，由于一般的利用有限元计算沉积效应计算量太大、需要求解的方程十分复杂（N-S方程组到目前针对一些特定情况也没有太好的近似算法），目前所有商用TCAD软件都不对这个过程进行精确的计算，而只是大略给出沉积后的几何信息，这样就使得一些很重要的工艺参数（比如迁移率）不会模拟的很准确，只能靠测试来弥补误差。
4.新材料科学，这个在EDA中就太多了，比如碳纳米管构成基础半导体器件的数学拟合等，不胜枚举。
--
修改:BJQ1D863 FROM 117.136.38.*
FROM 117.136.38.*