文章右侧广告为官方硬广告,与吾爱IC社区无关,用户勿点。点击进去后出现任何损失与社区无关。
为了更好满足各位星友的需求以及吾爱 IC 社区知识星球的发展(目前知识星球已经有312 位星友),最近小编思考了很久,决定对星球上的内容形式做一些改变。除了问答外,还会定期做项目案例分享,专题分享,最后可能会整理成 pdf 的形式输出。所有的案例均来源于工作中特别典型的实际案例。为了鼓励大家多思考,多交流,有的时候可能分享出来的案例并不会立马附上答案。
与此同时,希望各位星友也参与到社区的内容建设上来,比如积极参与讨论话题,回答问题以及发表主题等。毕竟一个人的力量是有限的,凝聚的力量却很强大。只有这样才能确保社区发展得越来越好,只有这样大家才能够成长得更快。
一. OCC 缘由
何为全速测试 (at speed test)?在工艺节点在 130nm 以下的时候,很多情形下的物理缺陷都是由于延时来引起的。因此在对这种类型的 chip 做 dft 的时候,需要建立一个新的故障模型,业内称之为延时故障模型(time delay model)。解决的方法就是全速测试,所谓的全速测试就是让芯片工作在自己高倍时钟频率上,这个频率往往是要高过 ATE 的时钟的。
这样对扫描模型的建立就提出了新的要求。即至少要保证芯片的 latch clock 和 capture clock 为芯片内部的高倍时钟。
synopsys 对此种问题的解决方法就是OCC(on chip clocking)。OCC/OPCG 的基本原理是在 scan shift 模式下, 选择慢速的 ATE 时钟,load 或 unload 扫描链;在 capture 模式下,对 free-running PLL clock 过滤筛选出 lauch 和 capture clock 进行 at-speed 测试 。
在做 SCAN 的时候,由于 ATE 时钟速度和芯片 port 的传输速度的限制,导致 ATE 无法向片传输高速时钟。但是,芯片内部需要 进行 At Speed 测试的时候,用到和 system mode 一致的时钟频率进行测试。此时,需要由芯片内部自己产生测试时钟。
二. 典型 OCC 电路结构
这个是典型的 OCC(On Chip Clock) 电路。主要有两部分组成,一个是occ controller,另外一个是clock chain。
其中 occ controller 的核心电路如下图所示。其中A0 接 func_clk,A1 接 pllbypass,B0 接 occ_clk。
clock chain 的电路原理图如下所示。
OCC 电路插入方式主要有两种方式,目前大部分应该还是采用第一种方式,即在综合 dft 阶段工具自动插入的方式。
**1.****DFT Compiler 自动插入。**
**2.****手动编写 OCC 的 verilog 电路,在 dft_insert 阶段。**
**三. OCC 电路的 ****时钟树综合 **
针对 design 中这种常见的时钟树结构,应该如何长时钟树呢?稍微有点实际工作经验并认真分析过时钟树结构的工程师,都应该能够做好这部分的时钟树。如果你认为让工具自己来,能够做好这部分 tree 的话,小编是绝对不相信的。
细心的朋友会发现,小编其实已经把时钟结构图都给出了,并且图上还特定标注了一个数值**“1”**。有了这个图之后,你的脑子里马上就应该要有个各路时钟的走向。时钟从哪里来,它将要去哪里。
如果不稍加引导工具来做 tree,本案例工具长出来的 tree 一定会把 occ 那路时钟和 function clk 做 balance。而本来 occ 那路时钟其实可以做的比较短。occ 那路时钟被拖长之后就会有一系列的问题,比如绕线问题,比如 clock chain 中 reg 到 occ controller 中 reg 的 hold timing 问题等等。
本文剩余精彩内容请点击文末**“阅读原文”**,继续查看。
小编知识星球简介(如果你渴望进步,期望高薪,喜欢交流,欢迎加入 ****):
在这里,目前已经规划并正着手做的事情:
ICC/ICC2 lab 的编写
基于 ARM CPU 的后端实现流程
利用 ICC 中 CCD(Concurrent Clock Data)实现高性能模块的设计实现
基于 ARM 四核 CPU 数字后端 Hierarchical Flow 实现教程
时钟树结构分析
低功耗设计实现
定期将项目中碰到的问题以案例的形式做技术分享
吾爱 IC 社区知识星球星主为公众号” 吾爱 IC 社区” 号主,从事数字 ic 后端设计实现工作近八年,拥有55nm,40nm,28nm,22nm,14nm等先进工艺节点成功流片经验,成功tapeout 过三十多颗芯片。
这里是一个数字 IC 设计实现高度垂直细分领域的知识社群,聚集了无数数字 ic 前端设计,后端实现,模拟 layout 工程师们。
在这里大家可以多建立连接,多交流,多拓展人脉圈,甚至可以组织线下活动。在这里你可以就数字 ic 后端设计实现领域的相关问题进行提问,也可以就职业发展规划问题进行咨询,也可以把困扰你的问题拿出来一起讨论交流。对于提问的问题尽量做到有问必答,如遇到不懂的,也会通过查阅资料或者请教专家来解答问题。在这里鼓励大家积极发表主题,提问,从而促进整个知识社群的良性循环。每个月小编会针对活跃用户进行打赏。
最重要的是在这里,能够借助这个知识社群,短期内实现年薪百万的梦想!不管你信不信,反正已经进来的朋友肯定是相信的!相遇是一种缘分,相识更是一种难能可贵的情分!如若有缘你我一定会相遇相识!知识星球二维码如下,可以扫描或者长按识别二维码进入。目前已经有312位星球成员,感谢这312**** 位童鞋的支持!欢迎各位渴望进步,期望高薪的铁杆粉丝加入!终极目标是打造实现本知识星球全员年薪百万的宏伟目标。
点击下方 “阅读原文” 查看本文剩余精彩内容
↓↓↓
接上一篇,CSS3新增特性,包括 2D 转换(位移、缩放、旋转、倾斜)和 3D 转换,以及动画。
在 CSS3 中,新增了圆角边框样式,这样我们的盒子就可以变圆角了。(必需值)水平阴影(horizontal shadow),可以为负值。(必需值)水平阴影(horizontal shadow),可以为负值。(必需值)垂直阴影(vertical shadow),可以为负值。(必需值)垂直阴影(vertical shadow),可以为负值。(可选值)将外(盒子的背面)阴影改为内(盒子之上)阴影。CSS3 中新增了盒子阴影,可以使用。属性为盒子添加阴影。(可选值)阴影模糊程度。(可选值)阴影模糊程度。
多语言异构化服务架构的流量治理组件,主要以流量为切入点,从。等多个维度来帮助开发者保障服务的稳定性。sentinel是面向。
本模块首批接口从API version 7开始支持。后续版本的新增接口,采用上角标单独标记接口的起始版本。
文章浏览阅读1.2k次。明确定义集成系统之间的接口和端点。确定HTTP请求和响应的格式,包括使用的数据编码格式(如JSON或XML),以及请求和响应的头部信息。定义HTTP的接口,首先应该确定接口功能和目标,明确接口的目的和提供的功能。确定接口所要实现的业务逻辑或服务,并理解它在整个系统中的角色和作用。然后选择HTTP方法和端点,根据接口的功能,选择合适的HTTP方法(如GET、POST、PUT、DELETE等)来表示接口的操作类型。同时,定义接口的端点(Endpoint),即接口的URL路径,例如:/api/users。_浏览器同源策略
ARM 裸机,BSP 工程管理,之后的工程结构一目了然,层次分明,不再乱乱了
文章浏览阅读277次。前端表格组件是现代Web应用程序中常见的UI控件之一,也是前端开发人员最常用的控件之一。在实际项目中,一个好的前端表格组件必须具备稳定性、易用性和扩展性等特点。因此,对于前端表格的封装技术非常重要。最后,在项目中使用前端表格组件时,需要谨慎选择。一个好的前端表格组件应该是稳定、高效和易用的,并且需要与项目架构和UI风格相匹配。_大型项目表格封装前端
文章浏览阅读5.8k次,点赞3次,收藏18次。讲完随机森林算法之后,小冰开口问道 :“咖哥,上面的这几种经典算法,你讲得简明扼要,感觉都挺好。不过,现在的问题来了,算法一多,我反而不知道如何选择了。你能不能给我们说说,什么样的算法适合解决什么样的问题?”咖哥回答 :“这很值得说一说。没有任何一种机器学习算法,能够做到针对任何数据集都是最佳的。通常,拿到一个具体的数据集后,会根据一系列的考量因素进行评估。这些因素包括 :要解决的问题的性质、数据集大小、数据集特征、有无标签等。有了这些信息后,再来寻找适宜的算法。”让我们从下页这张 Sklearn _咱们决定采用哪种机器学习
文章浏览阅读463次。题目类型 取石子 取到最后一粒石子就算输Anti-SG游戏决策集合为空的操作者胜其余规则与SG游戏一致这种游戏有一个特殊的解决工具:SJ定理我们先来看一下SJ定理的内容SJ定理对于任意一个Anti-SG游戏,如果定义所有子游戏的SG值为0时游戏结束,先手必胜的条件:游戏的SG值为0且所有子游戏SG值均不超过1游戏的SG值不为0且至少一个子游戏SG值超过1游戏的sg值就是nim的sg值。..._sj定理
文章浏览阅读67次。作者:Han Hsiao链接:https://www.zhihu.com/question/19795366/answer/24524910来源:知乎著作权归作者所有,转载请联系作者获得授权。推荐一些Hadoop家族系列文章,主要介绍Hadoop家族产品,常用的项目包括Hadoop, Hive, Pig, HBase, Sqoop, Mahout, Zookeeper, Avro, Ambar..._hadoop简介知乎
文章浏览阅读1k次。grpc.WithInsecure()已弃用_grpc.withinsecure()
广义上来说,机器学习指专门研究计算机怎么模拟或实现人类的学习行为以获取新的知识或技能的学科,使计算机重新组织已有的组织结构并不断改善自身的性能。更加精确地说,一个机器学习的程序就是可以从经验数据E中对任务T进行学习的算法,它在任务T的性能度量P会随着对于经验数据E的学习而便得更好。