Detail publikace
Automation of Processor Verification Using Recurrent Neural Networks
Smrž Pavel, doc. RNDr., Ph.D. (UPGM)
Zachariášová Marcela, Ing., Ph.D. (UPSY)
Functional Verification, Automation of Verification, Neural network, Recurrent Neural Network, Hopfield Net-work, UVM, Coverage-Driven Verification, Optimization Problem, Combinatorial Optimization
Současným trendem verifikace procesorů založených na simulaci je vytvářet stimuly pomocí pseudonáhodných generátorů (PRG), aplikovat je na procesorové vstupy a sledovat dosažené pokrytí jeho funkčnosti, aby se tak zajistila úplnost verifikace. Stimuly mohou mít různé formy, například mohou být reprezentovány bitovými vektory aplikovanými na vstupné porty procesoru nebo programy, které jsou vloženy přímo do programové paměti procesoru. V této práci navrhujeme novou techniku, která dynamicky mění omezení pro PRG přes rekurentní neuronovou síť, která obdrží zpětnou vazbu ze simulace verifikovaného návrhu. Pro demonstrační účely jsme použili procesory dodávané společností Codasip, protože jejich prostor pro pokrytí je relativně velký a liší se u různých druhů procesorů. Nicméně techniky uvedené v tomto dokumentu jsou široce použitelné. Výsledky experimentů ukazují, že naša technika nejen dosáhne uzáver krytí mnohem dříve, ale jsme schopni izolovat malou sadu stimulov dosahující vysoké pokrytí, které lze použít pro běh regresních testů.
@inproceedings{BUT154991,
author="Martin {Fajčík} and Pavel {Smrž} and Marcela {Zachariášová}",
title="Automation of Processor Verification Using Recurrent Neural Networks",
booktitle="18th International Workshop on Microprocessor and SOC Test, Security and Verification (MTV)",
year="2017",
pages="15--20",
publisher="Institute of Electrical and Electronics Engineers",
address="Austin, Texas",
doi="10.1109/MTV.2017.15",
isbn="978-1-5386-3351-9",
url="https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8396943"
}