Genesis 芯神匠是一个高度灵活的建模设计环境，用于开发和优化多种系统建模。
主要的系统模型有：
流程控制（flow control），仲裁（arbitration），基于信用和行为架构（credit-based and behavior modeling）
随机指数组件（stochastic components）的性能建模
周期精确组件（cycle-accurate components）架构建模
信号算法（signal algorithmic）级建模
控制和混合信号（mixed signal）建模
软件设计和验证
队列管理（queue management），流程控制，仲裁和时序（scheduling）是基于以下变量的设计权衡：
1. 输入流数量（number of input streams）
2. 数据速率
3. 队列深度
4. 时序或扫描或轮询逻辑
5. 信用政策（credit policy）
6. 外部标志
下图是运行蒙特卡洛（Monte Carlo）仿真的随机模型实现，用于开发服务质量并确定所需的吞吐量。模型在决定数据传输之前须要了解多个位置的缓冲区状态和使用情况。入口和出口有大量的通道和虚拟连接。使用“激励（traffic）”，“表达式列表”，“队列”（FIFO）和“服务器”（FIFO +处理延迟）对组件进行建模。使用脚本或有限状态机构造逻辑。将会生成等待时间，缓冲区占用率和吞吐量的报告。
Xon-Xoff 流量控制
资源和行为块来构建性能建模，着重于整个系统指标，例如功耗，性能和成本；此类模型分析常应用于识别容量限制和系统瓶颈。性能建模基于事件触发器原则，而不以周期精确为准则。性能建模在系统构建和提案阶段来构建。在设计的这一阶段，需要解决许多未知因素，必须对技术参数进行量化，软件行为要进行定义。下图显示了包含总线+主/从设备的硬件子系统的性能建模。
分散式系统的性能模型
使用数学函数和专用库信号处理算法模型。算法架构建模用于评估控制，DSP，图像处理和模拟行为。重点在于数学的正确性。标准分析记录的是误码率，信噪比，波形和极座标图。
使用数学函数和专用库的信号处理算法模型架构
混合信号和控制系统建模需要了解两个不同的时域，一个时域以连续方式变化，另一个时域以离散但随机的距离移动（离散事件）。控制系统设计的一个典型的例子是 MEMS 加速度计，它可以在嘈杂的汽车跟踪情况下评估对发动机控制的影响。对于混合信号，下图中的 Sigma-Delta A/D 转换器是一个很好的设计目标。这里的评估是要观察频率和信号随时间变化的影响。另一方面是从一个时域到另一个时域的数据丢失。
Sigma-Delta 混合信号行为模型
架构开发是对系统平台详细而准确的开发；系统平台可以是 SoC，软件或包含硬件和软件的系统网络。重点是确定各个组件的大小，将任务分配到通过网络连接的分布式系统上，划分为硬件和软件。该评估同时针对功耗和性能。
SoC 的结构模型
-889.png)
