चिप डिजाइन में एजेंट विश्वसनीयता और टूल-कॉलिंग दक्षता को बेहतर बनाने के लिए NVIDIA NeMo Gym का उपयोग किया जाता है।
NVIDIA नेमो जिम का उपयोग मूल्यांकन और सुधार करने के लिए किया जाता है सीमेंस फ्यूज ईडीए AI एजेंट, मानक इकाई निरूपण में लिबर्टी 文件验证 उत्तीर्णता दर को लगभग 55% से बढ़ाकर approximately 95% कर दिया गया। इस मामले का वर्णन चिप डिजाइन टीम द्वारा अंतिम इंजीनियरिंग उत्पाद की जांच करना, कई चरणों में कार्यप्रवाह ट्रैक त्रुटि, और अनुकूलन एजेंट कौशल और उपकरण इंटरफेस।
मुख्य जानकारी
- NVIDIA NeMo Gym एजेंट के मानक-कोशिका लक्षण वर्णन कार्यप्रवाह में सुधार करने में मदद की, लिबर्टी फ़ाइल सत्यापन विश्वसनीयता को लगभग 55% से बढ़ाकर 95% कर दिया।
- इस मामले से पता चलता है कि चिप डिजाइन एजेंटों का मूल्यांकन अंतिम इंजीनियरिंग कलाकृतियों के खिलाफ किया जाना चाहिए, न कि अलग-अलग टूल कॉल, क्योंकि प्रारंभिक सेटअप त्रुटियां चुपचाप मल्टीस्टेज वर्कफ़्लो के माध्यम से फैल सकती हैं।
- NeMo Gym नियंत्रित मूल्यांकन वातावरण प्रदान करता है जो कार्य स्थिति, उपकरण क्रियाओं, तर्क के निशान और सत्यापनकर्ता निदान की पहचान करने के लिए जहां वर्कफ़्लो विफल होते हैं और क्यों।
- इंजीनियरों ने एजेंट कौशल और Model Context Protocol उपकरण विवरण को परिष्कृत करने के लिए मूल्यांकन लूप का उपयोग किया, फिर विश्वसनीयता और दक्षता दोनों में सुधार के लिए समान परिस्थितियों में पुनः परीक्षण किया।
- एक मिश्रित सत्यापनकर्ता लिबर्टी फ़ाइल कवरेज, वैधता, सापेक्ष प्रमाणीकरण, सटीकता और अखंडता की जांच करता है, जिससे मूल्यांकन दोहराया जा सकता है और उत्पादन-गुणवत्ता वाले आउटपुट पर ध्यान केंद्रित किया जाता है।
मेटा विवरण: NVIDIA NeMo Gym ने एक Siemens Fuse EDA AI एजेंट को मानक-कोशिका विशेषता में लगभग 55 प्रतिशत से लगभग 95 प्रतिशत तक लिबर्टी फ़ाइल सत्यापन में सुधार करने में मदद की।
टैगः NVIDIA NeMo Gym, Siemens Fuse EDA AI एजेंट, लिबर्टी फ़ाइल सत्यापन, मानक-कोशिका लक्षण वर्णन, एजेंटिक मूल्यांकन
विशेष रुप से प्रदर्शित छवि: एक चिप लाइब्रेरी फ़ाइल की जांच करने वाले AI एजेंट का अमूर्त, मैत्रीपूर्ण चित्रण शैली, जिसमें कोई वास्तविक लोग नहीं हैं, कोई लोगो और कोई पाठ नहीं है
चिप डिजाइन टीम और इलेक्ट्रॉनिक डिज़ाइन ऑटोमेशन डेवलपर्स इस मामले का उपयोग यह देखने के लिए कर सकते हैं कि कैसे NVIDIA NeMo Gym मूल्यांकन किया गया और Siemens Fuse EDA AI एजेंट में सुधार किया गया क्योंकि इसे चरित्रकरण उपकरण कहा जाता है और मानक-सेल लक्षणीकरण के लिए लिबर्टी (.lib) फाइलें उत्पन्न की जाती हैं। कार्य व्यावहारिक है क्योंकि यह दर्शाता है कि अंतिम इंजीनियरिंग कलाकृतियों को कैसे मापा जाए, एक बहुस्तरीय वर्कफ़्लो पर त्रुटियों का पता लगाएं, और अलग-अलग टूल कॉल पर भरोसा करने के बजाय एजेंट कौशल और टूल इंटरफेस को परिष्कृत करें।
चिप डिजाइन एजेंटों के लिए अंतिम आउटपुट क्यों मायने रखता है
AI एजेंट जटिल चिप डिजाइन वर्कफ़्लोज़ में बड़ी उत्पादकता लाभ प्रदान कर सकते हैं, लेकिन वे ऐसी आउटपुट भी बना सकते हैं जो छिपी हुई त्रुटियों को शामिल करते हुए सही दिखते हैं। यह विश्वसनीयता अंतर उत्पादन उपयोग के लिए सबसे बड़ी बाधाओं में से एक है। बहु-चरण इंजीनियरिंग कार्य में, सेटअप त्रुटि चुप रह सकती है, डाउनस्ट्रीम चरणों के माध्यम से आगे बढ़ सकती है और अंतिम कलाकृति को प्रभावित कर सकती है। सुरक्षित मूल्यांकन लक्ष्य सत्यापित अंतिम आउटपुट है, न कि प्रत्येक मध्यवर्ती कार्रवाई।
मानक-कोशिका विशेषता ऑपरेटिंग स्थितियों में तर्क कोशिकाओं के लिए समय, शक्ति और शोर मॉडल बनाता है। यह चिप डिजाइन के लिए मौलिक है और जब एक अर्धचालक फाउंड्री एक नई प्रक्रिया डिज़ाइन किट जारी करती है तो इसे दोहराया जाना चाहिए। प्रत्येक किट ट्रांजिस्टर मॉडलों, डिजाइन नियमों और प्रक्रिया, वोल्टेज और तापमान परिभाषाओं को ले जाती है जो विनिर्माण को डिजाइन उपकरणों से जोड़ती हैं। जब किट बदलता है, तो पुराने लक्षण डेटा अब अद्यतन डिवाइसों से मेल नहीं खा सकते हैं। इनपुट स्लेव, लोड आउटपुट, और प्रसंस्करण, voltage, and temperature conditions के संयोजन पर हर प्रभावित सेल के लिए टाइमिंग और पावर मॉडल को फिर से पुनर्जीवित करने और जांचने की आवश्यकता होती है।
Solido Characterization Suite एजेंट उस पथ को स्वचालित करता है। यह व्यापक सोलिडो सूट से Siemens Fuse EDA AI एजेंट के माध्यम से उपकरणों का समन्वय करता है, जो Model Context Protocol सर्वरों और कौशल को आम कोडिंग हार्नेस जैसे कि Claude Code, कोडेक्स और कर्सर के संपर्क में लाता है। ये इंटरफेस इंजीनियरिंग एजेंटों को त्वरित उपकरण का उपयोग करने देते हैं, जबकि कौशल चरित्रकरण वर्कफ़्लो के अंदर उनके उपयोग का मार्गदर्शन करते हैं। तेज सिमुलेशन एजेंट्स को पुनरावृत्तियों को जल्दी खत्म करने में मदद करता है और NVIDIA NeMo Gym डेवलपर्स को मापने में सहायता करता है कि कैसे विश्वसनीय और कुशलतापूर्वक एजेंट उन टूल को ऑर्केस्ट्रेट करता है.
एजेंट को उपकरण सेटअप, बड़े पैमाने पर SPICE सिमुलेशन, वितरित कंप्यूटिंग, लिबर्टी फ़ाइल जनरेशन, डिबगिंग और अंतिम सत्यापन संभालना चाहिए। कार्यप्रवाह पायलट वैलिडेशन के माध्यम से स्पाइस इनपुट से चलता है, स्केल-आउट, लिबेर्टी पीढ़ी और वेवफॉर्म तुलना, और प्रारंभिक स्थापना त्रुटियां अंतिम लाइब्रेरी में प्रसारित हो सकती हैं। समस्याएं अक्सर साफ विफलताओं की बजाय विश्वसनीय परिणामों के रूप में दिखाई देती हैं, गलत सीमाओं, लापता कोनों या अधूरे कोशिकाओं को छिपाकर छोड़ती हैं। क्योंकि प्रत्येक चरण इससे पहले वाले पर निर्भर करता है, एक शुरुआती सेटिंग त्रुटि अंतिम पुस्तकालय तक यात्रा कर सकती है। इसलिए एजंट को उत्पादन वर्कफ़्लो में लाने से पहले एक कठोर मूल्यांकन प्रोटोकॉल परिभाषित करना एक महत्वपूर्ण कदम था।
कैसे NeMo Gym विफलताओं को फिक्स में बदल दिया
NeMo Gym एक खुली लाइब्रेरी है जो वातावरण के माध्यम से मॉडल और एजेंटों का मूल्यांकन और सुधार करती है। यह एजेंट विशेषज्ञता और अनुकूलन के लिए खुले पुस्तकालयों NVIDIA NeMo संग्रह का हिस्सा है, और यह नियंत्रित मूल्यांकन लूप के अंदर मानक-कोशिका लक्षण प्रवाह के साथ एकीकृत करता है। इसका उद्देश्य कार्यप्रवाह को तोड़ने की पहचान करना और जटिल, बहुस्तरीय कार्यों के जरिए त्रुटियों के पथ का पालन करना है। प्रत्येक रोलआउट के लिए,NeMo Gym टास्क, टूल्स, स्टेट और वेरिफायर को परिभाषित करता है, इसलिए प्रयास स्वच्छ स्थिति से शुरू होते हैं और इसकी तुलना निष्पक्ष रूप से की जा सकती है। इसमें सोच के निशान, इनपुट और आउटपुट संदेश और टूल एक्शन भी दर्ज किए जाते हैं।
इस सेटअप ने इंजीनियरों को एक पुनरावर्ती अनुकूलन लूप दिया:
- एक कस्टम NeMo Gym वातावरण में संस्करणित कार्य और सत्यापनकर्ता के साथ आधार रेखा रोलआउट चलाएं।
- प्रक्षेपवक्रों, असफल उपकरण कॉल और सत्यापनकर्ता निदान का निरीक्षण करें.
- अस्पष्ट निर्देशों, अनुत्पादक कार्यों और गलत उपकरण चयन की पहचान करें।
- एजेंट के कौशल और Model Context Protocol उपकरण विवरण को परिष्कृत करें।
- समान मूल्यांकन स्थितियों के तहत एक ही कार्यों को दोहराएं।
- प्रत्येक सफल परिणाम पर सत्यापित परिणामों और दक्षता की तुलना करें।
NVIDIA NeMo Gym टीम का उपयोग बड़े पैमाने पर मूल्यांकन चलाने के लिए किया जाता है, ज्ञात संदर्भ कलाकृतियों के खिलाफ उत्पन्न लिबर्टी (.लिब) फ़ाइलों की जांच करना और प्रत्येक रोलआउट के माध्यम से सामान्य और दुर्लभ विफलता पथ दोनों का पालन करना। Siemens Fuse EDA AI Solido Characterization Suite एजेंट और सॉलिडो टूल द्वारा उत्पादित लिबर्टि फाइलों की जाँच करता है, फिर अगले कौशल और उपकरण-वर्णन संशोधन में विफलता विश्लेषण को फ़ीड करता है। एक कोडिंग एजेंट ने लूप में मानव के साथ प्रक्रिया को चलाया।
अंत-से-अंत की जांच में उन समस्याओं का पता चला जो मध्यवर्ती जाँचों से चूक गई। Final Liberty सत्यापन ने लापता कोशिकाओं और ऑपरेटिंग स्थितियों, गलत स्लीव थ्रेसहोल्ड्स और सहिष्णुता के बाहर समय या शक्ति मूल्यों को उजागर किया। इन निष्कर्षों ने एक सरल नियम का समर्थन कियाः इंजीनियरिंग एजेंटों को अंतिम कलाकृतियों के खिलाफ आंका जाना चाहिए, न कि केवल सफल व्यक्तिगत टूल कॉल के खिलाफ।
एक सत्यापनकर्ता जो पूर्ण लिबर्टी फ़ाइलों को पुरस्कृत करता है
मूल्यांकन को दोहराए जाने योग्य बनाने के लिए, टीम ने सत्यापनकर्ता बनाए जो पांच जांचों के आधार पर एक अंतिम मिश्रित इनाम वापस करते हैंः
- कवरेजः क्या एजेंट ने हर अपेक्षित सेल और प्रक्रिया, वोल्टेज और तापमान कोने का उत्पादन किया है।
- वैधता: क्या वितरित लिबर्टी फाइलें अच्छी तरह से बनाई गई हैं और सत्यापन उपकरण द्वारा उपयोग करने योग्य हैं।
- सापेक्ष प्रमाणीकरण: क्या आउटपुट में संदर्भ में पहले से मौजूद विफलताओं के अलावा अन्य असफलताएं आई हैं।
- सटीकताः क्या अपेक्षित समय और शक्ति मान परिभाषित सहिष्णुता के भीतर आते हैं।
- अखंडता: क्या वर्णनात्मक कार्यप्रवाह ने मौजूदा मूल्यों को पुनः उपयोग करने, काटने या फिर से प्रारूपित करने के बजाय एक पूर्ण परिणाम का उत्पादन किया।
इनाम को इस प्रकार परिभाषित किया गया है किः- (a) पुरस्कार की राशि:
आर = 1 [कवरेज] × 1[वैधता] ×1[सापेक्ष सत्यापन]
यहां, X_tol सहिष्णुता के भीतर आउटपुट मानों की संख्या है, और X_total आउटपुट मूल्यों की कुल संख्या है। प्रत्येक संकेतक 1 के बराबर होता है जब इसका गेट गुजरता है और 0 जब यह विफल हो जाता है, इसलिए कोई भी असफल गेट इनाम को शून्य बनाता है। इस सत्यापनकर्ता ने टीम को कई पुनरावृत्तियों में एजेंट को व्यवस्थित रूप से ट्यून करने और सूक्ष्म त्रुटियों के पीछे जड़ कारण खोजने के लिए पूर्ण रोलआउट प्रक्षेपवक्र का पता लगाने में मदद की।
कौशल और उपकरण सुधार के बाद बेंचमार्क परिणाम
टीम ने लिबर्टी-फाइल जनरेशन पर Solido Characterization Suite एजेंट को बेंचमार्क करने के लिए ओपन सोर्स GF180MCU PDK का उपयोग किया। डेटासेट में 36 प्रक्रिया, वोल्टेज और तापमान कोनों में 229 मानक कोशिकाएं शामिल हैं, जिनमें Solido AFS SPICE सिमुलेशन के लिए इस्तेमाल की जाती है। एक कस्टम एजेन्टिक वातावरण NeMo Gym का उपयोग करके बनाया गया था। प्रत्येक रन के लिए, विशेषता प्रवाह 36 प्रोसेस, वोल्ड और तापमान कोणों में दो कोशिकाओं तक सीमित था क्योंकि यह छोटा सबसेट एजेंटिक वर्कफ़्लो ट्यूनिंग के लिए पर्याप्त था। हर रन में लगभग 1.5 से 2 घंटे लगते थे, और टीम ने फिक्स्ड मॉडल और एजेंट हार्नेस के रूप में Claude Code में चलने वाले Claude Opus 4.8 का उपयोग करते हुए लगभग 25 रोलआउट किए।
क्रमिक मूल्यांकन राउंड के माध्यम से, टीम ने एजेंट की विशेषता कौशल और Model Context Protocol उपकरण विवरण को परिष्कृत किया। टूल चयन में सुधार करने के लिए, उन्होंने ओवरलैपिंग फ़ाइल और शेल इंटरफेस को सरल बनाया और स्पष्ट JavaScript Object Notation योजनाओं के साथ परिभाषित टूल इनपुट किए, जिससे चरित्रीकरण उपकरणों को कॉल करना आसान हो गया।
उन परिशोधनों के बाद, मूल्यांकन किए गए रोलआउट में औसत मिश्रित सत्यापन स्कोर लगभग 55% से बढ़कर 95% हो गया। बेहतर वर्कफ़्लो को कम एजेंट टर्न और आउटपुट टोकन की भी आवश्यकता थी। एजेन्ट टर्न 155 से 53 तक गिर गया, जो कि लगभग 66% की कमी है, जबकि आउटपुट टोकेन्स लगभग 81,000 से घटकर लगभग 29,000 हो गए हैं, लगभग 64% की कमी। ये परिणाम प्रतिनिधि मानक-सेल लक्षणीकरण कार्यों को कवर करते हैं।
| मॉडल | बेंचमार्क मिश्रित स्कोर | मोड़ | औसत आउटपुट टोकन |
|---|---|---|---|
| क्लाउड ओपस 4.8 | लगभग 55% से लेकर 95% तक | 155 से 53 तक | लगभग 81,000 से लेकर 29,000 तक |
किसको इसका उपयोग करना चाहिए/कौन इसे छोड़ना चाहिए
यह मामला चिप डिजाइन टीमों, इलेक्ट्रॉनिक डिज़ाइन ऑटोमेशन डेवलपर्स और इंजीनियरिंग-एजेंट बिल्डर्स के लिए सबसे उपयोगी है जिन्हें मल्टीस्टेज वर्कफ़्लोज़ के लिए मापी जाने वाली विश्वसनीयता की आवश्यकता होती है। यही विधि इलेक्ट्रॉनिक डिजाइन स्वचालन, कंप्यूटर एडेड इंजीनियरिंग और अन्य तकनीकी डोमेन में इंजीनियरिंग एजेंटों पर लागू होती हैः अंतिम इंजीनियरिंग कलाकृतियों का मूल्यांकन करें, न कि केवल व्यक्तिगत टूल कॉल; एक डोमेन-विशिष्ट ग्रेडर या सत्यापनकर्ता लिखें जो गुम, ट्रंक किए गए, पुनः प्रारूपित या पुनर्नवीनीकरण परिणामों को स्कोर से रोकने के लिए पता लगाता है; और अनुकूलित कौशल और Model Context Protocol उपकरण इंटरफेस के माध्यम से विश्वसनीयता में सुधार करने के लिए बड़ी संख्या में रोलआउट एकत्र करते हैं।
आरंभ करने के लिए, टीमें प्रारंभिक मूल्यांकन चलाने के लिए NeMo Gym Quickstart गाइड का उपयोग कर सकती हैं। फिर वे एक प्रतिनिधि कार्य पर दृष्टिकोण लागू कर सकते हैंः वैध अंतिम कलाकृतियों को परिभाषित करें, डोमेन-विशिष्ट सत्यापनकर्ता बनाएं, रोलआउट विफलताओं की जांच करें, कौशल और टूल विवरणों को परिष्कृत करें, और सुसंगत मूल्यांकन स्थितियों में पुनः चलाएं। इस बारे में अधिक जानकारी कि कैसे Solido Fuse जनरेटिव और एजेंटिक AI को Solido Characterization Suite एजेंट में लाता है स्व-सत्यापित, लंबे समय तक डेमो में उपलब्ध है। पाठक एनवीआईडीए और सीमेंस के बीच सहयोग के बारे में भी अधिक जान सकते हैं।
सीमेंस का काम चिप डिजाइन टीमों और इलेक्ट्रॉनिक डिज़ाइन ऑटोमेशन डेवलपर्स के लिए एक व्यावहारिक उदाहरण प्रदान करता है कि एजेंट विश्वसनीयता और चिप डिज़ाइन वर्कफ़्लो को बेहतर बनाने के लिए NVIDIA AI सॉफ्टवेयर स्टैक और ओपन लाइब्रेरीज का लाभ कैसे उठाया जाए।
टीम ने एजेंट के विकास और मूल्यांकन पद्धति की स्थापना में महत्वपूर्ण योगदान के लिए एनवीडिया Gunjan Shah को श्रेय दिया, साथ ही Tim Wheler, Lakshminarayanan Ramesh और सीमेंस Carl Hofmeister का भी।
जो टीमें सत्यापित अंतिम कलाकृतियों को परिभाषित नहीं कर सकती हैं, या जिन्हें केवल अलग-अलग टूल कॉल के लिए हल्के वजन की सहायता की आवश्यकता होती है, वे पूर्ण मूल्यांकन लूप अनावश्यक पा सकते हैं। उत्पादन उन्मुख विशेषता कार्यप्रवाहों के लिए, हालांकि, यह मामला दर्शाता है कि अंतिम आउटपुट सत्यापन प्रशंसनीय स्वचालन और भरोसेमंद स्वचालन के बीच का अंतर है।

Comments (0)