基于人工智能的芯片自动化验证

摘要

本文首先介绍和比较了多种常用的集成电路功能验证方法，并讨论了功能验证结果的评估办法。随后以本人在“汉芯二号”24位DSP验证项目中的工作为基础，讨论了伪随机自动测试向量生成测试方法的优点。在24位DSP验证项目中，本人采用了指令描述模板和伪随机自动生成程序分离的解决方案，不仅能够在验证中取得了较高的效率和良好的验证效果而且还保留了很大灵活性和简便性。由于在该项目的实际工程应用中，本人发现传统的伪随机测试向量自动生成测试方法会产生许多测试价值很低的测试向量。这些测试向量不光需要大量的计算资源、浪费大量的运算时间，而且可能带来设计周期的延迟。对于这一问题，本文随后提出一种新颖的优先级指导下的伪随机测试向量生成方法。该方法能够在一个测试向量还未经过模拟的情况下通过人工智能方法估算出该向量的测试优先级。测试向量的优先级越高表示通过模拟和比对该测试向量越容易发现新的功能错误。本文着重使用了人工神经网络(ANN)的学习算法来完成测试向量优先级的估算功能，在文章的最后，设计了两个实验展示该方法的有效性。