布里斯托尔大学和英飞凌技术公司的研究人员发表了一篇题为“基于模拟验证的覆盖导向测试选择的监督学习”的新研究论文。
文摘:
“约束随机测试生成是最广泛采用的基于模拟验证的刺激生成方法之一。随机性导致测试的多样性，但测试倾向于重复执行相同的设计逻辑。约束的编写(通常是手动的)是为了将随机测试偏向于有趣的、难以达到的、尚未测试的逻辑。然而，随着验证的进行，大多数有约束的随机测试对功能覆盖率的影响很小，甚至没有影响。如果生成刺激所消耗的资源明显少于模拟，那么更好的方法是随机生成大量测试，选择最有效的子集，并只模拟该子集。本文介绍了一种自动约束提取和测试选择的新方法。这种方法，我们称之为覆盖导向的测试选择，是基于覆盖反馈的监督学习。我们的方法倾向于选择那些有高概率增加功能覆盖率的测试，并将它们优先用于模拟。我们展示了覆盖导向的测试选择如何减少手动约束编写，优先考虑有效的测试，减少验证资源消耗，并加速大型现实工业硬件设计的覆盖关闭。”
找到这里是技术文件．2022年5月出版。
Masamba, Nyasha, Kerstin Eder和Tim Blackmore。基于模拟验证的覆盖导向测试选择的监督学习。“arXiv预打印arXiv:2205.08524(2022)。
进一步阅读:
半导体工程系统与设计频道
AI-Powered验证
人工智能可以以多种方式来帮助现有的验证过程，但最大的收获可能来自对一些基本原理的重新思考。
增量验证的挑战
是否有可能进行设计更改而不必重新运行整个回归套件?
留下回复