AI是芯片验证升级过程中不可或缺的关键技术

芯片验证和调试是芯片开发中最具挑战性的环节，通常需要大量的时间和精力。

多年来，研究表明，在验证阶段，每一代芯片的时间和资源比例都在增加。一般来说，验证阶段的增长率超过了芯片开发项目的其他阶段。团队需要更少的时间和资源来获得更好的芯片验证。换句话说，验证工具和技术不仅要跟上市场需求，还要考虑三个维度：设计质量(QoR)，结果完成时间(TTR)，实现成本(CoR)。

基于机器学习(ML)的人工智能(AI)通过技术可以显著提高这三个维度的要求，AI是芯片BUL1102EFP验证升级过程中不可缺少的关键技术。

将AI静态验证和形式验证技术

在了解AI在技术授权芯片验证之前，首先要看一个典型的芯片验证过程:

首先，在开发人员中编写寄存器传输水平(RTL)在代码之前，架构团队将构建虚拟芯片模型并分析系统性能。设计团队将在做出关键决策后进行开发RTL环境模型综合开发具有较强的语言验证功能(IDE)捕获编码错误并修复。

在修复校准错误后，开发人员将使用静态验证工具来检测设计中的结构错误。

之后，开发人员试图通过正式验证进行更深入的分析RTL设计的关键属性。这些工具可由开发人员或正式实验室专家操作。

同时，现有的验证团队通常用于验证团队IP(VIP)为了实现验证计划的目标，开发测试平台和模型并运行一系列测试。测试主要在模拟环境中进行，但近年来，硬件加速平台的应用越来越普遍。

覆盖指标是衡量验证进度的主要方法。覆盖收敛是一个高度迭代的过程，通常是验证计划中最耗时的部分。

在静态验证过程中，错误可能导致数百甚至数千起违规行为，这对开发人员来说非常重要。在此过程中介绍AI/ML非常有用，AI/ML违规行为可根据类似特征自动分类。在此基础上，开发人员本原因进行分析(RCA)识别和修复每组的违规行为，然后解决相应组的其他违规行为。这种自动化可以提高调试效率10倍。新思科技用于静态验证VCSpyGlass特定的低功耗静态验证平台和平台VCLP包括这一项AI技术。

形式验证是检测设计过程中深度错误最有效的方法，可能在模拟测试中遗漏。为了实现全面的测试，形式验证使用了大量强大的发动机来证明验证过程中所需的数千个设计属性。因此，提高发动机性能的关键是确保形式验证的效率。

新思科技VCFormal这是该行业首次使用发动机进行安排、回归和调试ML技术验证工具。在物理计算资源和时间的限制下，发动机安排的目的是正确匹配发动机和属性，以达到最短的运行时间和最佳的收敛效果。VCFormal在处理每个属性时，使用即时强化学习方法来学习有效和无效的内容，以指导下一组操作的安排。这个函数被称为“选择智能策略”。此外，为了优化以前的学习结果，在运行结束时将每个属性的决定保存到数据库中，称为“回到模式加速器”(RMA)。

将AI模拟和调试技术

模拟是芯片验证的核心，约占错误发现总数的65%。

有时，为了纠正错误，改变设计可能无法正常工作或引入新问题，因此对于快速检测问题和保持项目正常运行非常重要。

至少有两个因素影响模拟和回归性能AI改进。首先是设置模拟和返回操作。现代模拟器有许多选项和开关，这将对性能产生重大影响。验证开发人员需要时间和专业知识来优化特定设计和测试平台的模拟设置。随着代码的演变，可能需要调整设置以保持最佳性能。ML回归性能和效率可以大大提高模拟器选项和开关自动化过程。

新思科技的VCS模拟器中的动态性能优化(DPO)技术就是利用AI提高模拟性能ML以规则为基础AI从以前的回归操作中学习技术，自动调整VCS设置以获得最佳性能。本过程将自动完成，无需用户输入。与手动仿真设置相比，DPO可提高模拟运行速度1.3-2倍。

收敛覆盖率所需的时间对整体回归性能影响最大。验证开发人员将审查模拟报告，以确定未达到的覆盖率，然后修改测试或准备新的测试，以覆盖设计中丢失的部分。对于受约束的随机测试平台，他们通常会修改测试平台的约束，并将自动刺激集中在未覆盖的情况下，但这仍然需要手动完成。重复覆盖将浪费大量时间。AI/ML另一个应用程序可以改善这种情况，VCS智能仿真器的覆盖优化(ICO)该功能可以优化随机刺激的统计质量，分析影响覆盖率的测试问题。在最近的芯片项目中，ICO已经证明，覆盖率的收敛率可以提高2-3倍。验证团队可以在更短的时间内实现更高的总覆盖率，从而缩短时间，节约资源。

调试是验证过程的最后一步，与模拟同时进行。在项目期间，将会有无数的模拟回归。验证团队必须检查报告和调试失败的原因。RTL随着错误修复和新功能的增加和测试，测试平台代码将继续改变。回归失败是很常见的。然而，日常回归的失败给验证项目资源带来了巨大的负担。AI/ML该技术有助于解决这个问题。虽然模拟测试失败的原因通常比静态非法测试复杂得多，但自动测试通常比静态测试复杂得多，但自动测试RCA这些原则仍然适用。

新思科技的Verdi回归调试系统中的自动调试系统(RDA)功能可根据故障特征自动分类，如故障是否来自设计或测试平台，然后自动分类故障特征RCA找出故障的原因。RDA该技术可使整体调试效率提高两倍。

借助AI实现更快、更好、更高效的验证

AI和ML技术在芯片设计和验证过程中的应用越来越多。在验证方面，AI/ML它可以加快静态验证的故障分析，提高形式验证的性能，提高模拟效率，加快覆盖率的收敛，快速、轻松地完成模拟调试。总结了改进验证团队和整个芯片项目的好处。提供更好的解决方案QOR，更快的TTR和更省的COR验证团队目标，解决团队面临的主要挑战。如今，强大而灵活的AI/ML技术已多点开花，改进验证流程的多个方面。