Tesla

GPU Applications

電子設計自動化(EDA)

電子設計自動化(EDA)提供各種軟體演算法和應用程式,滿足下一世代半導體和電子產品的複雜設計所需。超大規模積體電路(VLSI)設計複雜度的增加對EDA形成了艱鉅的挑戰;隨著擴充而來的功耗增加及製造技術方面的問題,導致微處理器的效能無法提昇,進而影響應用程式效能無法大幅提昇。數位系統的驗證一般是將邏輯模擬工作交由多個大型計算中心執行,一次就要歷時數星期之久。然而,模擬的效能通常會落後,導致驗證不完整並錯過功能上的程式錯誤,也難怪半導體產業總是在尋找更快的模擬解決方案。

新近的高效能運算(HPC)趨勢是持續探索多核心GPU的競爭優勢,利用此類GPU做為龐大平行CPU的協同處理器,能有效提昇重度運算EDA模擬的執行速度,這些模擬包括Verilog模擬、信號完整度和電磁學、運算微影、 SPICE電路模擬及其他等。

 
Rocket Sim Acceleration Factor(GPU Vs. CPU)
在GPU上利用RocketSim 執行Verilog模擬[更多資訊]
(来源:以色列,Rocketick公司,Tomer Ben-David)
 
SGPU accelerated full wave EM simulation
用以分析封裝反面串音的GPU加速全波電磁模擬
(資料來源: Martin Timm, CST, 德國)
 


For information on key ISVs and applications, please visit the GPU Applications page.

 

採用CUDA的其他相關軟體
> Acceleware的有限時域差分法(FDTD)解答器
> FMSlib: 多路徑的GPU平行核心外矩陣代數
> Acceleware的電磁解決方案
> 利用通用型GPU加速基於有限時域差分法(FDTD)的光線散射模擬

在CUDA GPU上運作的EDA解答器和核心內核
> Acceleware的 矩陣解答器
> 密集線性代數庫(MAGMA)
> GPU加速的線性代數庫(CULA)
> 稀疏矩陣線性解答器:迭代解答器
       > NVIDIA的SpMV:程式碼
              > 論文1
              > 論文 2
       > 迭代CUDA
> 稀疏矩陣線性解答器:直接解答器
       > 另請參考

 
利用CUDA的EDA技術報告
> 採用通用型GPU的高效能閘級模擬
> 利用通用型GPU加速功能驗證
> 利用GPU執行的平行等效檢查
> 關於在GPU上進行的EDA運算
> EDA演算法的硬體加速 – 客製IC, FPGA, GPU
> 這和時間有關 (EDA電路板設計中的電磁模擬)

亦可參考
> 用於 C, C++, FORTRAN 的 ArrayFire GPU 函式資料庫
> MATLAB®
> Tesla/CUDA成功案例
> 其他Tesla垂直解決方案
> CUDA軟體開發工具和資料庫
> 購買Tesla

MATLAB is a registered trademark of The MathWorks, Inc.
ArrayFire 為 AccelerEyes 的商標