Genesis 芯神匠是一個高度靈活的建模設計環境，用于開發和優化多種系統建模。
主要的系統模型有：
流程控制（flow control），仲裁（arbitration），基于信用和行為架構（credit-based and behavior modeling）
隨機指數組件（stochastic components）的性能建模
周期精確組件（cycle-accurate components）架構建模
信號算法（signal algorithmic）級建模
控制和混合信號（mixed signal）建模
軟件設計和驗證
隊列管理（queue management），流程控制，仲裁和時序（scheduling）是基于以下變量的設計權衡：
1. 輸入流數量（number of input streams）
2. 數據速率
3. 隊列深度
4. 時序或掃描或輪詢邏輯
5. 信用政策（credit policy）
6. 外部標志
下圖是運行蒙特卡洛（Monte Carlo）仿真的隨機模型實現，用于開發服務質量并確定所需的吞吐量。模型在決定數據傳輸之前須要了解多個位置的緩沖區狀態和使用情況。入口和出口有大量的通道和虛擬連接。使用“激勵（traffic）”，“表達式列表”，“隊列”（FIFO）和“服務器”（FIFO +處理延遲）對組件進行建模。使用腳本或有限狀態機構造邏輯。將會生成等待時間，緩沖區占用率和吞吐量的報告。
Xon-Xoff 流量控制
資源和行為塊來構建性能建模，著重于整個系統指標，例如功耗，性能和成本；此類模型分析常應用于識別容量限制和系統瓶頸。性能建模基于事件觸發器原則，而不以周期精確為準則。性能建模在系統構建和提案階段來構建。在設計的這一階段，需要解決許多未知因素，必須對技術參數進行量化，軟件行為要進行定義。下圖顯示了包含總線+主/從設備的硬件子系統的性能建模。
分散式系統的性能模型
使用數學函數和專用庫信號處理算法模型。算法架構建模用于評估控制，DSP，圖像處理和模擬行為。重點在于數學的正確性。標準分析記錄的是誤碼率，信噪比，波形和極座標圖。
使用數學函數和專用庫的信號處理算法模型架構
混合信號和控制系統建模需要了解兩個不同的時域，一個時域以連續方式變化，另一個時域以離散但隨機的距離移動（離散事件）。控制系統設計的一個典型的例子是 MEMS 加速度計，它可以在嘈雜的汽車跟蹤情況下評估對發動機控制的影響。對于混合信號，下圖中的 Sigma-Delta A/D 轉換器是一個很好的設計目標。這里的評估是要觀察頻率和信號隨時間變化的影響。另一方面是從一個時域到另一個時域的數據丟失。
Sigma-Delta 混合信號行為模型
架構開發是對系統平臺詳細而準確的開發；系統平臺可以是 SoC，軟件或包含硬件和軟件的系統網絡。重點是確定各個組件的大小，將任務分配到通過網絡連接的分布式系統上，劃分為硬件和軟件。該評估同時針對功耗和性能。
SoC 的結構模型
-889.png)
