RTL Design mérnök

Stack

Feladatok

• ▹Szintetizálható RTL írása és tulajdonlása SystemVerilogban, datapath-logikától a vezérlő- és memóriainterfészekig
• ▹Funkcionális verifikációs környezetek készítése UVM, cocotb, formális eszközök vagy ezek kombinációja segítségével
• ▹Együttműködés az architektúra csapattal a magas szintű specifikációk megvalósítható mikroarchitektúrákká alakításában
• ▹Együttműködés a fizikai tervezéssel időzítés-lezárás, floorplanning-korlátok és DFT kérdésekben
• ▹Szimulációs infrastruktúra, regressziós pipeline-ok és lefedettség-lezárási folyamatok fejlesztése és karbantartása
• ▹Részvétel design review-kon, hozzájárulás architektúra-döntésekhez, nem csak a megvalósításhoz
• ▹Tapeout-előkészítés, integráció és utólagos (post-silicon) bring-up támogatása szükség szerint

Elvárások

• ▹Gyakorlati tapasztalat éles RTL írásában SystemVerilogban, szintézisen és place-and-route-on át lezárva
• ▹Tapasztalat verifikációs környezetek készítésében UVM, cocotb, formális eszközök vagy ezekkel egyenértékű módszerrel
• ▹Legalább egy tapeout a háttérben, bármilyen node-on és cégméretben
• ▹Kényelmes mozgás tervezés és verifikáció között, azokat nem külön diszciplínaként kezelve
• ▹Tapasztalat datapath-okkal, pipeline-okkal vagy egyedi logikával, ahol a mikroarchitektúra előre nem volt teljesen specifikálva
• ▹Erős hibakeresési ösztönök szimulációban, waveform-okban és formális ellenpéldákban
• ▹Képesség architektekkel és fizikai tervezőkkel közvetlenül, nagy közvetítő réteg nélkül dolgozni
• ▹Iparági tapasztalat ASIC- vagy SoC-tervezésben

Előny

• ▹Tapasztalat olyan AI chip cégnél, ahol a tervezés és verifikáció szorosan összekapcsolódott
• ▹Nyílt forráskódú RTL hozzájárulások olyan projektekhez, mint a Chipyard, OpenTitan vagy CVA6
• ▹Jártasság RISC-V-ben vagy más nyílt ISA-ban
• ▹Tapasztalat AI-alapú RTL vagy EDA-eszközökkel a tervezési munkafolyamatban
• ▹Fizikai tervezési korlátok, floorplanning vagy időzítés-vezérelt RTL-fejlesztés ismerete

Soft skillek

A munkáltatóról

A Normal Computing olyan félvezetőket épít, amelyek a hőzajt akadály helyett számítási erőforrássá alakítják — sztochasztikus, memórián belüli, aszinkron architektúrával 10-100-szor több AI-inferenciát érnek el dollárra és wattra vetítve. A cég a teljes stacket együtt tervezi: AI-natív EDA-rendszereket a legnagyobb félvezetőgyártókkal, és az ezek által lehetővé tett fejlett ASIC-eket. Több mint 85 millió dolláros befektetést kapott vezető deep-tech befektetőktől, csapata New York, Silicon Valley, London, Koppenhága és Szöul városaiban dolgozik.