人工智慧在前瞻電子設計自動化技術的應用(II)-子計畫三:用機器學習進行負偏壓溫度不穩定性於異構多核心系統之偵測與減緩(1/2)

專案詳細資料

Description

隨著半導體製程的演進與晶片製作技術的進步,現今已能在較小的晶片體積中實現高複雜度之資料處理與運算,異構多核心系統(HMS)已被廣泛利用,透過將適當的工作內容與執行核心進行匹配處理,將能更有效率地進行資料運算與處理。同時,老化效應(Aging effect)對晶片的可靠度造成了嚴重威脅,其中負偏壓溫度不穩定性(NBTI)將會隨著晶片的運作,逐漸提高P型電晶的閾值電壓(threshold voltage),使得晶片在使用一段時間後,其訊號傳遞延遲將有可能大於設計時所制定之規格,進而造成訊號之時序錯誤,而影響晶片之可靠度。為了避免此一現象,偵測NBTI造成之訊號傳遞延遲方法及減緩NBTI之設計與優化等方法陸續被提出,然而卻少有文獻著重於NBTI對HMS統造成的影響進行較深入的探討。因此在此計畫中,我們將深入探討HNS在執行不同工作內容的情況下,NBTI對不同模組造成的老化影響,透過機器學習進行晶片老化狀態偵測與偵測結果校準,並透過此結果,在系統層級進行延緩老化策略開發。具體而言,本研究將解決下列兩大困難問題:1.利用機器學習演算法進行晶片模組中老化感測器之布局及結果校準2.考量負偏壓溫度不穩定效應之異構多核心系統生命週期延長策略 我們將利用機器學習演算法,先進行老化感測器於晶片模組中之布局,再開發工作內容與執行核心之匹配演算法,達成延長HMS老化之目標。
狀態已完成
有效的開始/結束日期1/08/2031/07/21

聯合國永續發展目標

聯合國會員國於 2015 年同意 17 項全球永續發展目標 (SDG),以終結貧困、保護地球並確保全體的興盛繁榮。此專案有助於以下永續發展目標:

  • SDG 12 - 負責任的消費與生產
  • SDG 13 - 氣候行動
  • SDG 17 - 為永續目標構建夥伴關係

Keywords

  • 異構多核心系統
  • 負偏壓溫度不穩定性
  • 老化感知器
  • 生成對抗網路
  • 非對稱式老化

指紋

探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。