减少总体周转时间验证的结果,同时保证错误不逃跑。
和Himanshu Bhatt Susantha Wijesekara
下一代soc与先进的图形、计算和人工智能在验证功能带来不可预见的挑战。设计师和工程师使用静态验证低功率技术经常看到许多违规在最初阶段。有效的调试和确定根本原因是一个真正的问题,违反计数时一个巨大的挑战是巨大的。本文探讨了确定性和机器学习技术来确定一组相关的违规行为的根本原因。这些技术极大地有助于减少总体周转时间验证的结果“左移位”,确保缺陷不逃入硅。
设计复杂性继续成倍增长,导致增加违规报告违反数量从10 k - 1 m,这取决于设计。手动调试这些违规行为是一个挑战,也是费时需要专业知识和领域知识。这项技术的目的是减少调试时间通过创建组和鉴别根源给用户,这样可以节省调试时间。这种技术使用非监督机器学习(集群)第一组相关问题/违反然后找到违反效应之间的关系,造成侵犯。
图1:高级降噪高级调试
有可能不同的根源场景低功率设计,像电力状态表问题,UPF问题,供应驱动隔离/电平位移器问题,铁路秩序检查等。这些问题的影响可以大致分为战略相关违规像缺失或冗余策略。这个流创建所需的信息工具组相关违规进入集群。然后用户需要把主要精力集中于调试这些违反集群而不是调试侵犯个人一个接一个。下图说明了这一点。
图2:违反报告用于根本原因分析
结果出现在不同的设计使用这种技术非常令人鼓舞。集群在一些设计的覆盖率高达99%。下图展示了一些设计的结果。
图3结果:
机器学习支持的根本原因分析的设计和验证工程师提高验证效率,确保“左移位”验证周转时间。
Susantha Wijesekara Synopsys对此应用工程经理集中在低功率产品。以前,他是一个高级Atrenta验证工程师。
|
|
|
|
|
|
|
|
|
|
留下一个回复