Tesla

GPU Applications

电子设计自动化 (EDA)

EDA 涉及各种各样的软件算法和应用,它们都是设计复杂的下一代半导体和电子产品所需要的工具。 超大规模集成电路设计变得更加复杂,这对 EDA 构成了巨大挑战。应用程序的性能无法有效提升,因为伴随着扩展而出现的功耗增长与工艺性等问题阻碍了微处理器的性能提升。 数字系统的验证一般通过把逻辑模拟任务分配到多个大型计算中心来完成,每次耗时长达数周之久。 然而,模拟的性能通常滞后,从而导致验证不完整,漏掉了一些功能上的Bug。 因此,半导体行业始终在寻求更快的模拟解决方案便不足为奇了。

高性能计算 (HPC) 领域中近来的趋势是不断发掘群核 GPU 极具竞争力的优势,方法是通过将这种 GPU 用作大规模并行的 CPU 协处理器,从而在计算量繁重的诸多 EDA 模拟上实现速度提升,这些模拟包括Verilog 模拟、信号完整性与电磁学、计算光刻以及 SPICE 电路模拟等等。

 
Rocket Sim Acceleration Factor(GPU Vs. CPU)
使用 RocketSim 在 GPU 上运行Verilog 模拟 [了解更多信息]
(来源:以色列,Rocketick公司,Tomer Ben-David)
 
SGPU accelerated full wave EM simulation
用于分析封装反面串扰的 GPU 加速全波电磁模拟
(来源: 德国,CST公司,Martin Timm)
 


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

 

利用英伟达™ CUDA™ 技术的其它相关软件
> Acceleware公司的FDTD Solvers
> FMSlib: 多路 GPU 并行核外矩阵代数
> Acceleware公司的Electromagnetic Solutions
> 利用通用 GPU 来加速基于 FDTD 法的光线散射模拟

面向 CUDA GPU 的 EDA 解算器以及核心内核
> Acceleware公司的Matrix Solvers
> 密集线性代数库 (MAGMA)
> GPU 加速的线性代数库 (CULA)
> 稀疏矩阵线性解算器 : 迭代解算器
       > 英伟达™ (NVIDIA®) 公司的 SpMV: 代码
              > 论文 1
              > 论文 2
       > Iterative CUDA
> 稀疏矩阵线性解算器 : 直接解算器
       > 利用英伟达™ CUDA™ 技术的 PARDISO

 
利用英伟达™ CUDA™ 技术的 EDA 技术报告
> 利用通用 GPU 计算实现高性能门级 (Gate-level) 模拟
> 利用通用 GPU 来加速功能验证
> 利用 GPU 的并行等效检查 (Equivalence Checking)
> 论 GPU EDA 计算
> EDA 算法的硬件加速 —— 定制集成电路、FPGA、GPU
> 这是一个时间问题 (EDA PCB 设计中的电磁模拟)

另请参阅
> 针对 C、C++、FORTRAN 的 ArrayFire GPU 函数库
> MATLAB®
> 英伟达™ (NVIDIA®) Tesla™ /英伟达™ CUDA™ 成功案例
> 其它英伟达™ Tesla™ 纵向解决方案
> 英伟达™ CUDA™ 软件开发工具以及库
> 购买英伟达™ Tesla™

MATLAB is a registered trademark of The MathWorks, Inc.
ArrayFire 是 AccelerEyes 公司的商标