VCDiag: 错误波形分类以加速故障分级-计算机科学-机器学习-设计功能验证-标准化.pdfVIP

VCDiag:错误波形分类以加速故障分级

MinhLuuSuryaJasper,KhoiLe,EvanPan,MichaelQuinn,AakashTyagi,JiangHu

InfineonTechnologiesTexasAMUniversity

Hanoi,VietnamCollegeStation,Texas,USA

danhminh.luu@{suryajasper,khoile0315,pan.evan,m.d.quinn,tyagi,jianghu}@

摘要—设计功能验证中的故障分类至关重要但耗时，依赖于手动规持。通过直接挖掘这些数据，我们避免了对专有基础设施或不稳

范审查、日志检查和波形分析。健的日志解析的依赖。为此，我们提出了VCDiag，一个用于基于

虽然机器学习（ML）在刺激生成和覆盖关闭等领域有所改进，但对

机器学习的故障波形分类至可能的RTL模块的VCD挖掘框架。

于RTL级仿真故障分类的应用，特别是对于大型设计，仍然有限。

VCDiag提供了一种高效且可适应的方法，使用VCD数据对失VCDiag通过提供三个关键贡献推进了现有研究：

败的波形进行分类，并定位可能的故障位置。1)一种新颖的故障分类方法:我们在标记有缺陷RTL模块的

在最大的实验中，VCDiag在识别最有可能的三个模块时准确率失败波形上训练ML模型。一旦在日志中识别出错误，这些

超过94%。

模型可以帮助工程师分析波形中的时序和结构上下文，推

该框架引入了新颖的信号选择和统计压缩方法，在保持分类所需的

本关键特征的同时，将原始数据大小减少了120倍以上。断最可能的故障源，从而实现更快更准确的粗粒度调试。

译它还可以集成到各种Verilog/SystemVerilog设计和测试平台2)一个可适应且模块化的基础设施:VCD，IEEEVerilog标

中中。IndexTerms—设计功能验证，波形，机器学习，标准化准的一部分[8]，得到了商业和开源工具的广泛支持，为验

证环境和机器学习基础设施之间提供了可靠的桥梁。这使

3

vI.介绍得VCDiag能够适应各种设计，包括那些使用行业标准通

0用验证方法学（UVM）测试平台的设计。该工具完全基于

9设计功能验证（DFV）对于确保芯片符合规范、避免昂贵的错

5误以及保护公司的声誉至关重要。然而，传统方法难以应对现代开源库[9]–[11]构建，并在公开可用的设计[12][13]上进行

3评估以支持可重复性和未来基准测试。

0设计的复杂性。验证现在消耗的工程资源比设计本身更多，这体

.3)高效的VCD提取和处理方法:大型VCD文件大小可能

6现在不断上升的验证工程师与设计工程师比例[1]中。几乎75%会使数据集难以处理，因此我们提出了一种多步骤管道以

0的项目错过了截止日期，只有14%的项目因功能故障而避免了重

5实现高效的VCD提取和处理。该过程始于基于AST的爬

2新旋回[1]。此外，验证工程师花费47%的时间进行调试[1]。随虫，构建一