使用Xcelium Machine Learning技术加速验证覆盖率收敛

摘要：

随着设计越来越复杂,受约束的随机化验证方法已成为验证的主流方法.一般地,验证激励做到不违反spec描述条件下尽量随机,这样验证能跑到的空间才更充分.但是,这给功能覆盖率收敛带来极大挑战,为解决这一难题,Cadence率先推出了仿真器的机器学习功能——Xcelium Machine Learning,采用机器学习技术让功能覆盖率快速收敛,大大提高验证仿真效率.介绍了 Xcelium Machine Learning的使用流程,并给出在相同模拟(simulation)验证环境下应用Machine Learning前后情况对比.最后Machine Learning在模拟(simulation)验证中的应用前景进行了展望.

关键词：随机测试、受约束的随机、功能覆盖率、机器学习、仿真

所属期刊栏目：49

分类号：TN402(微电子学、集成电路（IC）)

在线出版日期：2023-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：19-23