Integrierte Schaltkreise (ICs) für KI- und Machine-Learning-Applikationen – ob für die Cloud oder Embedded - sind äußerst komplexe Schaltungs-Designs, charakterisiert durch massive Parallelverarbeitung sowie hoher Verlustleistung. Zur Verdeutlichung: Nvidia’s Tesla P1000 GPU verfügt über erstaunliche 15,3 Milliarden Transistoren.

Insbesondere für sicherheitskritische Applikationen, wie z.B. Fahrerassistenzsysteme, ist eine zuverlässige und fehlerfreie Funktion solcher Chips essentiell. Ihre zuverlässige Verifikation ist jedoch eine große Herausforderung, und Schaltungsfehler können erhebliche Folgen für die Legitimität der Rechenergebnisse nach sich ziehen. Traditionelle Methoden, wie manuelle Inspektions- und Simulationstechniken oder SPICE-ähnliche Ansätze, kommen nicht in Frage. Sie sind entweder fehleranfällig, besitzen eine mangelnde Testabdeckung oder sind nicht skalierbar.

In diesem Whitepaper lernen Sie:

• warum die Verifikation der Zuverlässigkeit von Prozessoren für KI und Maschinelles Lernen so schwierig ist
• was dies für die Zuverlässigkeit auf Transistor-Ebene sowie über die gesamte Lifetime bedeutet
• mit welchen Methoden und Tools Schaltungsdesigner eine zuverlässige Validierung erreichen können.

Wir freuen uns über Ihr Interesse am Whitepaper!
Mit nur einem Klick auf den Button können Sie sich das Whitepaper kostenfrei herunterladen. Interessante Einblicke wünscht Ihnen Ihr ELEKTRONIKPRAXIS-Team.