ML可以帮助验证吗?也许


功能验证产生了大量的数据,可以用来训练机器学习系统,但并不总是清楚哪些数据有用,或者它是否有帮助。ML的挑战在于理解何时何地使用它,以及如何将它与其他工具和方法集成。有了一个足够大的锤子,很容易把所有东西都称为钉子,然后只是扔……»阅读更多

使用机器学习更快地捕获bug的方法


我们都同意验证和调试占用了大量的时间,可以说是芯片开发中最具挑战性的部分。模拟器的性能一直名列前茅,是验证过程中的关键组成部分。尽管如此,我们仍然需要超越模拟器速度,以实现最大的验证吞吐量和效率。人工在…»阅读更多

借助人工智能的力量,更好、更快、更有效地验证


验证通常是芯片开发过程中最具挑战性的部分。验证工程师必须在结果质量(QOR)、结果生成时间(TTR)和结果成本(COR)之间取得平衡。AI和ML技术可以在提高QOR、加快TTR和降低COR方面发挥重要作用。»阅读更多

大数据的力量:如何在30分钟内做出完美的布朗尼蛋糕


当你在网上浏览时,图片会让你停下来,抓住你,吸引你。闪闪发光的巧克力块,坚定而缓慢地从湿润的布朗尼蛋糕上渗出,上面有酥脆的粉。它自信地坐在那里,懒洋洋地落在一个雪白的瓷盘上。它看起来很美味——令人垂涎——而且,显然,你只需要花30分钟就能做出来……»阅读更多

利用基于坐标的P2P和CD校验增强IC可靠性设计验证


Calibre PERC可靠性平台提供基于协调的P2P和CD检查,可快速验证ESD保护和其他IC可靠性问题的早期设计。使用基于坐标的检查可以最大限度地减少所需的规则甲板编码量,使设计团队能够非常快速地开始Calibre PERC P2P/CD验证,并轻松地理解和调试结果。因为P2P/CD ch…»阅读更多

AI-Powered验证


由于功能验证比设计花费更多的时间和精力,芯片行业正在寻找每一种可能的方法,使验证过程更有效、更高效。人工智能(AI)和机器学习(ML)正在接受测试,看看它们能产生多大的影响。虽然取得了一些进展,但似乎仍只是触及了问题的外围。»阅读更多

测量处理器错误的复杂性以提高测试台质量


经常有人问我这样一个问题:“处理器验证什么时候完成?”或者换句话说,“我如何衡量我的测试平台的效率,我如何对验证的质量有信心?”这个问题没有简单的答案。在行业中有一些常用的指标,如覆盖率和bug曲线。虽然它们是绝对必要的,但这些还不足以达到…»阅读更多

改进你的验证方法:在中队中寻找bug


在分析了几代cpu上的bug之后,我得出了一个结论:“bug成群结队地飞”。换句话说,当在设计的给定区域中发现bug时,在设计的同一区域中存在具有类似条件的其他bug的概率是相当高的。处理器bug不会独自飞找到一个CPU bug总是令人满意的,但它不应该是一个e…»阅读更多

改变设计范式以提高验证效率


我们正处于核查危机之中,其表现是核查效率和效力之间的差距越来越大。这一危机不能仅通过改进核查方法和技术来解决。事实上,这需要我们在设计方法上进行哲学上的改变,强调bug预防。我们将这种根本的变化称为使用intent-fo…»阅读更多

比较正式代码和模拟代码的覆盖率


从模拟器引擎生成的代码覆盖和从正式引擎生成的代码覆盖在语义上是不同的。本文旨在提高验证工程师对如何最好地利用由不同验证引擎生成的代码覆盖率数据的认识。本文列出了使用代码覆盖的原因,并描述了如何模拟代码覆盖…»阅读更多

←老帖子 更新帖子→
Baidu