Alors que HPC et Technical computing s’ouvrent désormais à toutes les entreprises, ils nous a paru pertinent de vous présenter quatre cas d’usage typiques, quatre success-stories qui racontent en détails ce que la simulation numérique peut apporter de bénéfices concrets aux équipes qui l’adoptent…

Note liminaire :
Les témoignages qui constituent ce dossier ont été sélectionnés pour leurs vertus didactiques. Par souci de vérité, nous avons cité les marques et produits réellement choisis par les utilisateurs pour mener à bien leurs projets mais, sauf spécificités techniques particulières, les usages décrits sont reproductibles avec des produits concurrents. Ce dossier n’a donc rien à voir avec une entreprise de publicité indirecte, déguisée ou subliminale. Qu’on ne s’y méprenne !

Ce dossier se compose également des articles suivants :
    • Royal Dutch Shell : le calcul intensif pour explorer plus vite, plus profond et plus propre
    • Mercator Océan : 6X plus de puissance pour 2X moins d’énergie
    • Infiniti Red Bull Racing : calculer pour tout gagner

Philips Healthcare :
simulation électronique et automatisation de processus

Les systèmes d’imagerie par résonance magnétique (IRM) utilisent des fréquences radios élevées et des champs magnétiques puissants afin d’aligner systématiquement les moments magnétiques des protons des tissus humains. Mais pour qu’un système IRM soit capable de produire des images de qualité, le timing et la linéarité de la puissance de l’onde radio doivent être contrôlés avec précision. Sachant que le pic de puissance des amplificateurs RF atteint 40 kW, maintenir la précision d’un signal de phase dans un intervalle de quelques picosecondes est un véritable défi d’ingénierie. C’est ce qu’ont réalisé les ingénieurs de Philips Healthcare en développant, grâce à la simulation, un sous-système d’alimentation RF numérique unique en son genre. A partir de plusieurs outils logiciels Mathworks et Mentor Graphics, ils sont parvenus à atteindre la précision et la linéarité requises en développant un algorithme de prédistorsion et de rétrocontrôle performant, qu’ils ont ensuite automatiquement implémenté en VHDL pour pouvoir le déployer sur des FPGA.

“L’étape de création de code VHDL est incontournable, mais ce n’est pas une activité à laquelle nous apportons beaucoup de valeur ajoutée“, explique Mark van Helvoort, responsable du projet chez Philips Healthcare. “Avec des outils de simulation tels que Simulink et HDL Coder, de MathWorks, nous pouvons concentrer nos ressources sur le développement d’algorithmes et la conception applicative avancée plutôt que de perdre du temps sur la syntaxe VHDL et les règles de codage.”

Eviter la programmation manuelle

Comme souvent dans l’industrie, ce sont les ingénieurs hardware de Philips qui sont en charge d’implémenter en FPGA les algorithmes C développés par les architectes système. Or, cette traduction ne va jamais sans poser de problèmes – des problèmes auxquels s’ajoutent à la fois les différentes habitudes de codages des développeurs et la gestion des variations de linéarité des amplificateurs. On sait également que la programmation manuelle ralentit les itérations de conception, c’est-à-dire le débogage des algorithmes existants, les essais de nouveaux algorithmes ou le testing de nouveaux designs sur les FPGA cibles.

A tous ces niveaux, l’adoption de la modélisation et de la simulation numérique est intervenue comme un réel accélérateur de productivité, elle-même gage d’amélioration sensible de la qualité. En démultipliant les possibilités de conception, en réduisant sensiblement les délais entre itérations, Philips Healthcare est parvenu à résoudre nombre de difficultés industrielles typiques des méthodes d’ingénierie traditionnelles, dites aujourd’hui “à l’ancienne”.

Modéliser de bout en bout

Concrètement, les ingénieurs ont utilisé Simulink pour modéliser un sous-système constitué d’un récepteur/comparateur RF numérique, d’un générateur d’ondes et d’un ampli. Dans cette architecture, les sorties forward et reflected sont captées et renvoyées au récepteur numérique, qui les compare au signal d’entrée requis. Un signal cible corrigé est alors créé en utilisant la prédistortion numérique, puis envoyé vers le générateur d’ondes.

D’un point de vue technique, le modèle de générateur d’ondes RF réalisé par l’équipe comprend une porteuse NCO (Numerically-controlled oscillator), une modulation BLU et un filtre CIC (Cascaded integrator-comb),  ainsi que des composants FIR et un modulateur multibande. Le récepteur/comparateur, quant à lui, inclut un convertisseur analogue-numérique, un démodulateur et des blocs de down-conversion numériques.

L’équipe a modélisé ces composants avec une précision de niveau virgule flottante pour obtenir une qualité de simulation lui permettant de tester, de déboguer et d’optimiser la chaîne de transmission RF avec plus de marge qu’en mode physique. Ils ont ensuite converti le modèle en précision de niveau virgule fixe, avec les vérifications supplémentaires qui s’imposent.

Une fois le modèle finalisé, il a servi de générateur de bibliothèques de code VHDL. L’importation directe de ces bibliothèques dans ModelSim, de Mentor Graphics, a permis d’intégrer l’ensemble dans le design global du FPGA. Après validation de ce design global, là encore par simulation, l’ensemble pouvait être gravé dans le FPGA cible, en l’espèce un Xilinx Virtex-6. Les problèmes rencontrés pendant les tests ont pu être reproduits, diagnostiqués et résolus dans le modèle, après quoi l’équipe a repris le cycle de génération de nouvelles bibliothèques VHDL, de test et de mise à jour du silicium.

Résultats concrets

Premier bénéfice cette conception par simulation, les erreurs de conception ont été corrigées dès les premières phases de développement. “Les simulations en virgule fixe ont révélé une fréquence parasite que notre architecte système a considéré comme inacceptable“, précise Marcel van Bakel, Electronics Designer chez Philips Healthcare. “En utilisant notre plateforme de simulation, nous avons pu localiser le problème – une simple erreur d’arrondi.”

De plus, les options possibles ont été rapidement évaluées et implémentées. “Un de nos premiers designs mettaient en œuvre un filtre RF 24-stage, mais nous nous sommes aperçus qu’il consommait trop de ressources FPGA” ajoute van Bakel. “En 30 minutes, nous avons modélisé un filtre simplifié et l’avons validé en utilisant un analyseur de spectre directement dans Simulink. Ce type de modification aurait pris une semaine à coder et à tester en VHDL.”

Enfin, du point de vue industriel, la cohérence des processus et la prévisibilité sont améliorés. “Contrairement au code VHDL, typiquement conçu par plusieurs développeurs, le code généré automatiquement est cohérent. De ce fait, les outils qui l’utilisent en aval se comportent de façon prévisible“, conclut Marcel van Bakel. “La génération de code est non seulement plus rapide, mais elle réduit les risques d’erreur.“