基于人工智能的芯片自動化驗證.pdf

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

2、試價值很低的測試向量。這些測試向量不光需要大量的計算資源、浪費大量的運算時間，而且可能帶來設計周期的延遲。對于這一問題，本文隨后提出一種新穎的優(yōu)先級指導下的偽隨機測試向量生成方法。該方法能夠在一個測試向量還未經過模擬的情況下通過人工智能方法估算出該向量的測試優(yōu)先級。測試向量的優(yōu)先級越高表示通過模擬和比對該測試向量越容易發(fā)現新的功能錯誤。本文著重使用了人工神經網絡(ANN)的學習算法來完成測試向量優(yōu)先級的估算功能，在文章的最后，設計了兩