基于人工智能的芯片自動(dòng)化驗(yàn)證.pdf

1、本文首先介紹和比較了多種常用的集成電路功能驗(yàn)證方法，并討論了功能驗(yàn)證結(jié)果的評(píng)估辦法。隨后以本人在“漢芯二號(hào)”24位DSP驗(yàn)證項(xiàng)目中的工作為基礎(chǔ)，討論了偽隨機(jī)自動(dòng)測(cè)試向量生成測(cè)試方法的優(yōu)點(diǎn)。在24位DSP驗(yàn)證項(xiàng)目中，本人采用了指令描述模板和偽隨機(jī)自動(dòng)生成程序分離的解決方案，不僅能夠在驗(yàn)證中取得了較高的效率和良好的驗(yàn)證效果而且還保留了很大靈活性和簡(jiǎn)便性。由于在該項(xiàng)目的實(shí)際工程應(yīng)用中，本人發(fā)現(xiàn)傳統(tǒng)的偽隨機(jī)測(cè)試向量自動(dòng)生成測(cè)試方法會(huì)產(chǎn)生許多測(cè)

2、試價(jià)值很低的測(cè)試向量。這些測(cè)試向量不光需要大量的計(jì)算資源、浪費(fèi)大量的運(yùn)算時(shí)間，而且可能帶來(lái)設(shè)計(jì)周期的延遲。對(duì)于這一問(wèn)題，本文隨后提出一種新穎的優(yōu)先級(jí)指導(dǎo)下的偽隨機(jī)測(cè)試向量生成方法。該方法能夠在一個(gè)測(cè)試向量還未經(jīng)過(guò)模擬的情況下通過(guò)人工智能方法估算出該向量的測(cè)試優(yōu)先級(jí)。測(cè)試向量的優(yōu)先級(jí)越高表示通過(guò)模擬和比對(duì)該測(cè)試向量越容易發(fā)現(xiàn)新的功能錯(cuò)誤。本文著重使用了人工神經(jīng)網(wǎng)絡(luò)(ANN)的學(xué)習(xí)算法來(lái)完成測(cè)試向量?jī)?yōu)先級(jí)的估算功能，在文章的最后，設(shè)計(jì)了兩