| 使用Cadence AI技術(shù)加速驗(yàn)證效率提升 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：wwei | |
| 文檔大小：3594 K | |
| 標(biāo)簽： ic驗(yàn)證 人工智能 Verisium apps | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：隨著硬件設(shè)計(jì)規(guī)模和復(fù)雜程度的不斷增加，驗(yàn)證收斂的挑戰(zhàn)難度不斷增大，單純依靠增加 CPU 核數(shù)量并行測(cè)試的方法治標(biāo)不治本。如何在投片前做到驗(yàn)證關(guān)鍵指標(biāo)收斂，是驗(yàn)證工程師面對(duì)的難題。為解決這一難題，提出了采用人工智能驅(qū)動(dòng)的驗(yàn)證EDA工具和生成式大模型兩種提效方案，其中EDA工具有Cadence利用人工智能驅(qū)動(dòng)的Verisium apps和采用機(jī)器學(xué)習(xí)技術(shù)Xcelium ML，前者用來提升驗(yàn)證故障定位效率，包括Verisium AutoTriage、Verisium SemanticDiff、Verisium WaveMiner等，后者可用來提升驗(yàn)證覆蓋率收斂效率。生成式大模型可輔助智能debug和自動(dòng)生成驗(yàn)證用例，主要介紹各實(shí)現(xiàn)方案，并給出了項(xiàng)目實(shí)驗(yàn)提升結(jié)果。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
ic驗(yàn)證 相關(guān)資源
wwei 的最新分享
- 基于多域特征的雷達(dá)有源干擾信號(hào)智能識(shí)別
- 基于自注意力1dCNN的雷達(dá)目標(biāo)識(shí)別方法及教研系統(tǒng)設(shè)計(jì)
- 航向信標(biāo)輻射場(chǎng)中障礙物影響分析與布局優(yōu)化
- 一種Ku頻段高性能低成本低噪聲放大器
- 12~30 GHz高精度低附加相移數(shù)控衰減器設(shè)計(jì)
- 基于ESP32嵌入式Web服務(wù)器的手機(jī)化儀表設(shè)計(jì)
- 基于聚類的HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)
- 基于邊緣算力和改進(jìn)YOLOv10算法的智能垃圾分類系統(tǒng)
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2