아마존은 반도체를 어떻게 설계하는가? -LS 산전 HPC 적용 사례와 함께 - 이현석 사업 개발 담당 이사, AWS / 유성열 책임 연구원, LS산전 :: AWS Summit Seoul 2019

© 2019, Amazon Web Services, Inc. or its affiliates. All rights reserved.
아마존은 반도체를 어떻게 설계하는가?
- LS 산전의 HPC 적용 성공 사례와 함께
이현석 사업 개발 담당 이사, AWS
유성열 책임 연구원, LS산전

•차별적 경험 제공을 위해 AI/ML, Big Data, IoT
등 Emerging Tech 접목
•단순 납품을 넘어서 솔루션/서비스 제공
•설계 및 제품 개발 Simulation 위한 HPC 활용
•Time-to-Market 혁신으로 연계
Smart
R&D
Smart
Manufacturing
Smart
Product &
Service
Trend 적용 사례
•Edge Computing 기반 Anomaly Detection
•수율 제고 위한 Cloud 기반 Big Data 분석 활용
제품고부가化운영효율성혁신
Smart
ERP
•ERP를 Operation 최적화와 연계
•AI/ML, Big Data, IoT 등 통한 고도화
DigitalTransformation목적/분야제품 고부가화에서 운영 효율성 혁신으로 확대 中
 R&D 활용 사례 급증

기존 On-Premise 환경에서의 고민
어떤 서버를 언제 사야 하는가?
몇 대나 사야 하는가?
Peak Time 시 IT Demand는 어떻게 관리할 것인가?
최신 사양의 CPU가 나오면 Refresh는 어떻게 해야 하는가?
값비싼 Shared File Storage에 모든 Data를 저장해야 하는가?
고사양 Workstation은 언제까지 구매할 것인가?
Network 최적화는 어떻게 할 것인가?
IP는 어떻게 보호할 수 있는가?
EDV Vendor들과의 License 이슈는 어떻게 풀어야 하는가?

AWS 환경 내 VDE(Virtual Design Environment) 구축
CAD/CAE/EDA 최적화 달성
VS.
다수의 High Tech/제조기업들이 AWS를 활용하여
Time-to-Market 혁신 및 비용 절감 동시 달성 中
• 제한된 Computing Power  병목 현상에 부딪힘
• H/W Refresh Cycle에 대한 대응 필요
• 값비싼 Shared File Storage에 全 시뮬레이션 정보 저장
• 고사양 Workstation 필요
• Scalability  대규모 병렬처리로 Time-to-Market 혁신
• 최신 Instance로의 지속적인 혁신
• S3/MVNE 등 Flexible한 Storage Option  성능/비용 효율성
• Thin Client 기반 안정성 높은 Remote Access 가능

TSMC Announces OIP Ecosystem Enabled in the Cloud
Hsinchu, Taiwan, R.O.C. – Oct 3, 2018 –TSMC (TWSE: 2330,
NYSE: TSM) today announced the initial availability of its Open
Innovation Platform® Virtual Design Environment (OIP VDE), which
enables semiconductor customers to securely design in the
cloud, leveraging TSMC OIP design infrastructures within the
flexibility of cloud infrastructures.
OIP VDE is the result of TSMC collaboration with TSMC OIP design
ecosystem partners and leading cloud providers to deliver a
complete systems-on-chip (SoCs) design environment
in the cloud.
TSMC OIP VDE’s first implementations of digital RTL-to-GDSII and
custom schematic capture-to-GDSII flows are via partnerships with
TSMC’s inaugural Cloud Alliance partners, Amazon Web Services...
AWS의 Public Cloud 활용
Fabless 고객사들에 VDE 제공
“클라우드는 이미 보편화되었으며, 반도체 설계에
근본적인 영향을 끼칠 것임. TSMC는 디자인
에코시스템 파트너 및 클라우드 업체와 협력하여
클라우드에서 설계를 구현한 최초의 파운드리
업체가 되었음. TSMC OIP VDE는 반도체 고객에게
유연하고 안전하며 검증된 클라우드 기반 반도체
설계 솔루션을 제공하고, 컴퓨팅 인프라를
최적화하고 확장시킴으로써, 차세대 SOC 설계
시간을 단축시켜 Time-to-Market을 제고할 것임“
-Cliff Hou, vice president of Technology Development at TSMC

Circuit Simulation / Regression Test에
HPC 활용  Time-to-Market 단축
1) Register-Transfer Level: Hardware Register간, Combination Logic(AND, OR, NAND, NOR 등) 간 Digital Signal의 흐름에 대한 설계, Verilog, VHDL등 Hardware Description Programming Language에서 회로를 표상할 때 활용 됨
“AWS는 비핵심 역량인 IT 자원 확보와 관리
부담을 덜어주었고, 핵심 역량에 집중하여
고객에게 혁신적인 Feature와
큰 가치를 제공할 수 있게 되었다.”
-Ambs Kesavan, S/W Engineering / DevOps Director at Xilinx
AWS
HPC
활용
R&D Speed
제고
FPGA
혁신
(F-Instance用)
FPGA 판매
상호협력
혁신의
선순환 고리
• 무한한 Computing
Power 확보
• S/W Regression Test
기간 단축
• 고객에게 조기에
신규 FPGA 제공
• AWS의 신규
F-Instance에 탑재
“특정 Chip 개발 프로젝트에서는 Time-to-
Market을 3개월 이상 단축시키기도 했으며,
AWS를 활용하지 않았더라면 시간 안에
끝낼 수 없었던 프로젝트가 다수였음”
-Van den Elsen, PM, R&D in the cloud, NXP
Computing power
Simulation
Time

• 수백만 회 Head 시뮬레이션에 활용  획기적 시간 단축
‒ Peak時 80K Core 활용  시뮬레이션 시간 30일에서 9H로 단축
‒ Spot Instance를 활용  단 $5.6K 소요
• HDD 고집적화 위한 Magnetization 시뮬레이션에 GPU
클러스터 활용  CPU 대비 100배 성능 달성
‒ P2  P3 전환 후 최대 5.5배 빨라짐
• 대규모 SSD Behavior 시뮬레이션에 활용
 50,000개의 Job 병렬적으로 처리
Smart R&D
Smart
Manufacturing
&
“우리는 순간 최대 80,000 코어까지 확장하여 30일이 소요되었던 시뮬레이션을 9시간으로 단축 시켰으며,
AWS상 구축한 PB급 Data Lake에 Machine Learning을 접목시키기 시작했다.” -Hiroshi Kobashi, Senior Engineer, Western Digital
• 글로벌 제조 Site들에서 나오는 PB규모의 정보를
AWS의 Cloud 기반 Data Lake에 수집 中
‒ 연 수백만 대가 제조되는 HDD의 Operational / Logistics Tracking
‒ Visualization / Analytics등에 활용
• 제조 Data에 AWS의 GPU Instance 기반 ML 적용 
CPU 대비 25배 빠른 Inference 달성
HPC & Data Lake 동시 활용
Time-to-Market/운영 혁신 달성

전력장비, Router, Server, 반도체까지
Customize  성능 극대화 & 비용 감축
AWSCustom
Routers
AWS Custom
Compute Server
AWS Custom
ASIC
AWSDesigned
CustomSilicon
AWS Custom
Utility Switchgear
Power Network Server
H/W 장비 자체 개발, Software 최적화, 반도체 설계 및 Customization 수행

EC2 Host SW를 자체 설계 Chip으로 H/W
Offload  EC2 성능 혁신 달성
Annapurna Lab의 자체 설계 ASIC 기반
Nitro System  Performance 향상
ￚ Network, Storage, 관리 등 모든 EC2 SW를 HW로 Offload
 100%에 가까운 CPU 자원을 고객에게 할당
ￚ Network Bandwidth 향상, Latency 절감, EC2
Performance 지속성 향상
• 발열 및 전력 소비에 최적화된
Custom Compute Server
• EC2 Host 내 Customer용 Instance,
Hypervisor 외에 EC2 Host SW 공존Host에
대한 확보/관리 외에 Network,

Hybrid 모델로 시작, All-In 진행 中
 Simulation 시간 단축 등 개발 속도 혁신
1) Application 변경 없이 Workload를 On-Premise 환경에서 Cloud 환경으로 이전하는 전략 2) Container 방식으로 Packaging해서 Application을 개발하고, Agile한 DevOps 프로세스와 무중단 Delivery등을 통해 Micro Service Architecture 방식으로
Deploy되고 Elastic한 Infra 관리를 지원할 수 있도록 다양한 기술을 활용하는 Architecture 변경 방향성
20152014
On-premise
데이터 센터 일부 On-premises 인프라
2016 2017 Today
• 아마존 내 복수의
소규모 반도체
설계팀 공존
‒ 복수의 EDA
환경에서 개발
• Annapurna 인수
각 팀 통합 관리
‒ EDA 등 IT 인프라
통합 관리 시작
‒ Cloud 활용 결정
• 신규 프로젝트 
AWS내 시작
• 기존 프로젝트 
Overflow시 AWS 활용
• 반도체 개발 시간 단축
Hybrid 모델로 전환 AWS All-In Migration 진행 中
• Lift & Shift 방식1)으로
기존 On-Premise상
Workload를 이전
‒ 4개 팀의 Workload를
복수의 Region으로 이전
‒ 다수의 End-to-end 설계
프로젝트를 AWS에서 구현
• Cloud-Native2)로 전환 
신규 AWS 서비스 통한
성능, 생산성 최적화
‒ Containers / AWS Batch
‒ Amazon EFS, S3
‒ Z1d, R5, C5, X1e
Cloud Journey
반도체 설계 중 구체적인 IT 니즈를 내부 서비스 개발팀에 지속적으로 Feedback
 AWS가 제공하는 EDA向 서비스 혁신으로 연계 中

Annapurna Lab의
Cloud-Native 최적화
Storage
Amazon
EBS
Amazon
EFS
Amazon
S3
Networking
Enhanced
networking
Placement
groups
Automation &
Orchestration
AWS Batch
CfnCluster
NICE EnginFrame
Visualization
NICE DCV
Appstream 2.0Compute
EC2 instances
(CPU, GPU,
and FPGA)
EC2 Spot
Auto Scaling
Partners
ISVs & SI’s
IP Providers

Annapurna Lab의 Cloud-Native 최적화:
Automation & Orchestration
Storage
Amazon
EBS
Amazon
EFS
Amazon
S3
Networking
Enhanced
networking
Placement
groups
Automation &
Orchestration
AWS Batch
CfnCluster
NICE EnginFrame
Visualization
NICE DCV
EC2 instances
(CPU, GPU,
and FPGA)
EC2 Spot
Auto Scaling
Partners
ISVs & SI’s
IP Providers
AWS Batch를 활용, Dynamic한 Instance Provision을 제공하는
Container 기반 접근이 궁극적인 지향점
ￚECS(Elastic Container Service) & Docker를 활용
ￚSimulation 및 Back-end Job의 지향점으로 Container化 추진
CFNCluster를 통해 기존 Job Scheduler로 Cloud상에서
동적으로 Scaling Up/Down하는 Framework으로 활용
ￚ SGE(Sun Grid Engine)
ￚ Short-Term Benefit을 얻고 있음
NICE EngineFrame의 향후 적용을 고려 중
ￚ HPC Portal

Storage
Amazon
EBS
Amazon
EFS
Amazon
S3
Networking
Enhanced
networking
Placement
groups
Automation &
Orchestration
AWS Batch
CfnCluster
NICE EnginFrame
Visualization
NICE DCV
EC2 instances
(CPU, GPU,
and FPGA)
EC2 Spot
Auto Scaling
Partners
ISVs & SI’s
IP Providers
Simulation 결과들이 Storage Option별로 어떻게 저장되는 지
Behavior Benchmarking 수행  2개의 그룹으로 Category화
ￚBehavior와 Storage 니즈를 기반으로 카테고리화
Transient Data: 자주 바뀌는 Data (e.g. Simulation Data) 
NFS(Network File System) Type Storage(Ephemeral/EBS) 활용
Non-Transient Data: 자주 바뀌지 않는 Data (e.g. Tool, Home
Directory)  EFS 활용
NFS사용을 최소화하면서, S3로 全 Data 이전 예정
 全 Regression Data를 S3로 이전하는 프로젝트 수행 中
Annapurna Lab의 Cloud-Native 최적화
: Storage

: Compute
Storage
Amazon
EBS
Amazon
EFS
Amazon
S3
Networking
Enhanced
networking
Placement
groups
Automation &
Orchestration
AWS Batch
CfnCluster
NICE EnginFrame
Visualization
NICE DCV
EC2 instances
(CPU, GPU,
and FPGA)
EC2 Spot
Auto Scaling
Partners
ISVs & SI’s
IP Providers
F1 Instance는 IP Emulation 등
Validation에 활용 中
ARM이 Cortex기반 FPGA용 S/W
개발 플랫폼을 AWS Market Place에
출시  F1 Instance 활용 증가 예정
Batch와 함께 Auto Scaling을 통해서
Scalable하게 활용 中
EDA Workload용 Z1d Instance 활용
Simulation Time 30~40% 단축
ￚSustainable 4.0GHz Frequency
ￚ인스턴스 당 최대 48vCPU
ￚLocal MVNE Storage 탑재
ￚ최대 384GiB (GibiByte)
Annapurna Lab에서 VCPU 및
Memory Ratio 관련 Feedback 제공

: Visualization/Networking/Partners
Storage
Amazon
EBS
Amazon
EFS
Amazon
S3
Networking
Enhanced
networking
Placement
groups
Automation &
Orchestration
AWS Batch
CfnCluster
NICE EnginFrame
Visualization
NICE DCV
EC2 instances
(CPU, GPU,
and FPGA)
EC2 Spot
Auto Scaling
Partners
ISVs & SI’s
IP Providers
Thin Client 추구: Linux 기반
WorkSpace / AppStream 활용
Instance Type과 Networking Bottle
Neck을 고려하여 최적화 진행 중
많은 ISV 및 ARM과 Xilinx 등 IP
Provider들의 S/W를 AWS
Market Place에서 활용 예정

General purpose
and burstable
Compute
optimized
Storage and
I/O optimized
Memory
optimized
GPU
graphics
GPU and
FPGA compute
T2
G3
EG
G2
F1
P3
P2
M5
M4
I3 H1
D2C5
C4
Z1d X1
R5
License
Servers
Physical
Synthesis
Formal
Verification
RTL
Simulations
Power/
Timing/
DRC Analysis
PCB Layout IP Emulation
Z1d
: Compute - EDA W/L별 선호 Instance
Emulator Build

per-second billing
substantially less
?
discount
: Compute – Pricing

Development time reduced – No limits to infrastructure resources
Faster simulations – Access to the latest CPU generation
New infrastructure functionality – AWS managed services for compute,
databases, storage
Faster prototyping – Develop/test new ideas
AWS 활용을 통한
Annapurna Lab의 성과

LSIS CAE Platform based Rescale
on AWS
LS산전 / DT 총괄 / C2 혁신팀
Ph.D. 유성열 Manager

Why?
Industry 4.0 / 4th Industrial Revolution  Future
Digital Twin Digitalization Digital Transformation
Transition of engineering tools
R&D
Who?
What ?
How ?

Cloud Computing + HPC  CAE Platform
HPC Cloud / CAE Cloud
* xaaS( Infrastructure, Data, Software, CAE, Platform, … as a Service)Source: Altair in the Cloud
• 클라우드 컴퓨팅
- 가상화된 IT자원(SW, 스토리지, 서버, DB 등)을 서비스로 제공하는 컴퓨팅으로, 사용자는 IT자원을 필요한 만큼 빌려 사용하며,
이용한 만큼 비용을 지불하는 방식(On-demand)의 대용량
• 고성능 컴퓨팅(HPC; high-performance computing)
- 고급 연산 문제를 풀기 위하여 슈퍼컴퓨터 및 컴퓨터 클러스터를 사용하는 것으로 정의되며, 최근에는 테라플롭스(Tera FLOPS) 이상의 규모를 HPC에 사용되는
컴퓨터를 구분하는 기준으로 용어 사용
• CAE Platform
- 공통의 HPC, CAE S/W를 바탕으로 시뮬레이션을 할 수 있는 기반 자체로 정의함
Multi Cloud CAE Platform

AWS / Rescale / Ansys
엔지니어링 시뮬레이션이라는 단일
분야에 주력해온 ANSYS는 45년 이상
동안 끊임없이 진화하는 고객 요구
사항을 충족할 수 있도록 시뮬레이션
기술을 발전시켜 왔음
2006년, AWS는 웹 서비스 형태로 기업에
IT 인프라를 제공하는 클라우드 컴퓨팅
사업을 창시하여 지금은 AI/ML, Big Data,
IoT 등 Emerging Tech 까지
기술서비스로 제공하고 있음.
AWS는 한국은 물론이고, 미국, 유럽,
브라질, 싱가포르, 일본, 오스트레일리아
등에 데이터 센터들의 클러스터인
Region을 구축하여, 수백만 고객들에게
안정적이고 저렴한 확장형 IT 인프라 및
다양한 기술 플랫폼을 제공하면서
클라우드 컴퓨팅 산업을 선도하고 있음.
Rescale은 기업의 고성능 컴퓨팅 및
시뮬레이션 실행을 위한 최첨단의 턴키
플랫폼입니다. 확장성과 보안성을 갖춘
On-Demand HPC 서비스는 엔지니어링
디자인으로 부터 과학 계산 및 기계
학습에 이르기까지 폭 넓은 분야에서 더
빠르고 더 나은 결과를 제공함.
Rescale은 미국 보잉사 HPC
엔지니어팀에서 출발하여 Cloud 기반의
혁신적인 방식으로 큰 성공을 거두어 그
기술력을 바탕으로 상업 서비스로 발전함.

LSIS / DT총괄 / C2혁신팀
LS산전 R&D speed-up 및 개발기간 단축을 위한 디지털 기법 가속화 추진
Sensemaker
Faster Innovation in Smart Energy R&D Speed-up
 정원목M
 CAD
 설계효율화 체계 구축
 설계표준화/자동화
 이승호M
 CAE
 선행검증 체계 구축
 해석고도화/자동화
 CAE Cloud
 신범식M
 CAE
 선행검증 체계 구축
 해석고도화/자동화
 CAE Cloud
설계완성도 향상
개발기간 단축
+
미래기술 접목

History
 C4 컨설팅
[LG생기원]
 C2 전담조직 구성
 C2 중장기 로드맵 수립
 C4 HPC Infra
투자계획 보고
 BP과제 보고
 [INV. 모듈化 설계]
 CAE Cloud
투자계획 보고
(CEO 승인)
 CAE Cloud
Pilot 운영보고
 CAE Cloud
연구소
확대운영
 CAE Cloud
전사 확대운영
‘15.06 ‘15.12 ‘16.06 ‘17.01 ‘17.07 ‘17.08 ‘18.01 ‘20.01
 CAD Cloud 검토
 DT Platform 구축
 LS 그룹 확대운영
‘19.01V
 CAE Cloud
+ MDB
+ TDB
 SDM
 C2 혁신팀 C2 연구팀 C2 Part

LSIS CAE Platform based Rescale
CAE Platform 구축/운영  Engineering Platform
1. CAE S/W 투자 현황 분석
ROI, TCO 분석
2. CAE S/W 통합관리
BYOL 라이선스 적정 유지
3. CAE Cloud
On demand 라이선스 확대
4. Multi Cloud
Engineering S/W 통합
■ SW 선택
■ Batch 작업 입력
■ HW(Core) 선택
■ Job Run

Improve Operation Effects
해석분야 확대
해석속도 증가
운영비용 절감
 전문 해석영역 고도화 (기중아크해석)
 시스템단위 해석 확대 가능
Workstation(2~16Core) 수준대비
HPC Cloud(128~512Core 이상) 적용으로
해석속도 4~11배 증가
무제한 HPC Cloud 및 CAE S/W의
사용한 만큼 비용 지급으로 운영 비용
24 % 수준 절감
기중 아크해석
53 171
640 668 509 443
109
299 172 190
560
1080
4418
2006
1962
3230
1536
2018
2560
1296
18/1 18/2 18/3 18/4 18/5 18/6 18/7 18/8 18/9 18/10
Core usage(peak)
24시간 구동하는 장비 기준 환산 코어 수
# CAE Cloud Core usage
CAE Cloud 사용량 관리
 SW, HW 사용량 분석을 통한 비용 예측  자원 운영 효율화
 On-demand License 모니터링(주단위)

Prove of LSIS CAE Platform

Expand LS Group
다중 물리 해석 열 및 전자기 해석 다상 유동 해석
• 소전류 차단 시험 실패 없음,
대전류 참고시험 횟수 감소
• Cloud CAE 사용으로 해석
Solving time 1주2일로 단축
• 해석 시간 단축 100hr5hr
• 양산 전 설계 검증을 위한 해석 납기 준수
2.5개월3주로 단축
• 해석시간 단축 (140hr34hr)
• 동일해석을 위한 자사 S/W, H/W 투자대비
해석당 비용 56 % 감소
 해석 역량 향상 46 %
• 기어류 회전 시 공기-오일의 다상유동해석
• 펌프 공급 흡입관로의 공기흡입 방지 설계
검증
• 전력구 터널 공조 / 냉각시스템 허용전류 검증
• 전기차 배터리팩용 부스바 열 및 전자기 해석
• 저압 차단기 과전류 트립장치 아크해석
• 초고압 가스개폐기온도해석 및 차단성능 평가
• 기중 차단기 아크해석
CAE 적용 제품
CAE 적용 효과 CAE 적용 효과 CAE 적용 효과
CAE 적용 제품 CAE 적용 제품

To Be ~
Data Information
Knowledge Sensemaking

•차별적 경험 제공을 위해 AI/ML, Big Data, IoT
등 Emerging Tech 접목
•단순 납품을 넘어서 솔루션/서비스 제공
•설계 및 제품 개발 Simulation 위한 HPC 활용
•Time-to-Market 혁신으로 연계
Smart
R&D
Smart
Manufacturing
Smart
Product &
Service
Trend 관련 세션
•Edge Computing 기반 Anomaly Detection
•수율 제고 위한 Cloud 기반 Big Data 분석 활용
제품고부가化운영효율성혁신
Smart
ERP
•ERP를 Operation 최적화와 연계
•AI/ML, Big Data, IoT 등 통한 고도화
DigitalTransformation목적/분야 관련 Session 안내
AWS를 활용한 Digital Manufacturing
실현 방법 및 사례 소개
아마존은 반도체를 어떻게 설계하는가?
- LS 산전의 HPC 적용 성공 사례와 함께
클라우드는 제품 및 비즈니스 모델
혁신에 어떤 도움을 줄 수 있는가?
SAP on AWS 사례로 알아보는
핵심 업무 이전

여러분의 피드백을 기다립니다!
#AWSSummit 해시태그로
소셜미디어에 여러분의
행사소감을 올려주세요.
AWS Summit Seoul 2019
모바일 앱과 QR코드를 통해
강연평가 및 설문조사에
참여하시고 재미있는 기념품을
받아가세요.
내년 Summit을 만들 여러분의
소중한 의견 부탁 드립니다.

감사합니다!

아마존은 반도체를 어떻게 설계하는가? -LS 산전 HPC 적용 사례와 함께 - 이현석 사업 개발 담당 이사, AWS / 유성열 책임 연구원, LS산전 :: AWS Summit Seoul 2019

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie 아마존은 반도체를 어떻게 설계하는가? -LS 산전 HPC 적용 사례와 함께 - 이현석 사업 개발 담당 이사, AWS / 유성열 책임 연구원, LS산전 :: AWS Summit Seoul 2019

Ähnlich wie 아마존은 반도체를 어떻게 설계하는가? -LS 산전 HPC 적용 사례와 함께 - 이현석 사업 개발 담당 이사, AWS / 유성열 책임 연구원, LS산전 :: AWS Summit Seoul 2019 (20)

Mehr von Amazon Web Services Korea

Mehr von Amazon Web Services Korea (20)

아마존은 반도체를 어떻게 설계하는가? -LS 산전 HPC 적용 사례와 함께 - 이현석 사업 개발 담당 이사, AWS / 유성열 책임 연구원, LS산전 :: AWS Summit Seoul 2019