2023 گذشته نگر. نوآوری در تأیید - Semiwiki

2023 گذشته نگر. نوآوری در تأیید - Semiwiki

گره منبع: 2456064

طبق معمول در ژانویه، ما با نگاهی به مقالاتی که در سال گذشته بررسی کردیم، شروع می کنیم. پل کانینگهام (GM، Verification at Cadence)، رائول کامپوسانو (سیلیکون کاتالیزور، کارآفرین، CTO سابق Synopsys و اکنون سیلواکو CTO) و من مجموعه خود را در مورد ایده های تحقیقاتی ادامه می دهیم. مثل همیشه، بازخورد استقبال می شود. ما در حال برنامه ریزی برای شروع یک سریال زنده در سال جاری برای بحث در مورد ایده ها و موضوعات گسترده تر و دریافت بازخورد شما هستیم. جزئیات را دنبال کنید!

2023 گذشته نگر

انتخاب های 2023

اینها وبلاگ هایی هستند که ما در طول سال پست کردیم و بر اساس محبوبیت مرتب شده اند. ما به طور متوسط ​​12.7 هزار تعامل در هر وبلاگ را به دست آوردیم، افزایش معنی داری نسبت به سال گذشته که نشان می دهد شما همچنان از بررسی های ما در مورد تحقیقات فعلی در راستی آزمایی لذت می برید. رهبر جای تعجبی نداشت، زیرا LLM ها را برای بررسی خودکار کد با تقریباً 17 هزار تعامل استفاده کرد. یک ثانیه نزدیک از ML برای توسعه انتزاعات مدل استفاده می کند. در واقع 4 وبلاگ برتر در سال 2023 در همه برنامه های کاربردی AI/ML بودند. شبکه‌های پتری امسال دوباره ظاهر شدند، اینجا برای تأیید پروتکل‌های DRAM که به سرعت در حال تکامل هستند. استفاده از سخت‌افزار اختصاصی برای گمانه‌زنی در شبیه‌سازی و روشی برای یافتن ناهنجاری‌ها، فهرست را کامل کرد. بررسی گذشته برای سال 2022 تقریباً به خوبی انجام شد، اما در طول سال تحت الشعاع علاقه به سایر مقالات قرار گرفت. این یک شرط مطمئن است که ما در سال 2024 به برنامه های بیشتر AI / ML نگاه خواهیم کرد!

دیدگاه پل

یک سال دیگر می گذرد و از زمانی که ما وبلاگ را در نوامبر 49 راه اندازی کردیم، 2019 مقاله خوانده شد! در آن زمان ما فکر می‌کردیم که این یک راه عالی برای گرد هم آوردن جامعه تأییدیه و نشان دادن قدردانی خود از سرمایه‌گذاری مستمر در تحقیقات تأیید در مؤسسات دانشگاهی در سراسر جهان است.

چیزی که من پیش‌بینی نمی‌کردم این بود که چگونه خواندن همه این مقالات الهام‌بخش سرمایه‌گذاری‌ها و نوآوری‌های جدید در Cadence خواهد بود. نوشتن این وبلاگ به من آموخت که حتی در یک سطح اجرایی در مهندسی، ارتباط با تحقیقات سطح زمین و خواندن منظم مقالات برای تجارت خوب است. بنابراین از شما خوانندگان و برنارد متشکرم!

جای تعجب نیست که 3 بازدید برتر ما در سال گذشته همه مقالاتی در مورد استفاده از هوش مصنوعی در تأیید بود، یکی در مورد هوش مصنوعی برای بررسی خودکار کد (پیوند)، یکی در هوش مصنوعی برای کمک به یافتن سریعتر اشکالات در مدل های SimuLink سطح بالا دستگاه های سیگنال مختلط (پیوند(پیوند). ما کاملاً نیاز داریم که در اینجا هم در دانشگاه و هم در دنیای تجاری به سرمایه گذاری در تحقیقات ادامه دهیم. به نحوی، در طول دهه آینده، ما باید 10 برابر بهره‌وری تأیید صحت خود را پیدا کنیم، و به احتمال زیاد از هوش مصنوعی ناشی می‌شود.

با این حال، فریاد شخصی من از سال 2024 مربوط به هوش مصنوعی نیست. این برای دو مقاله در شبیه سازی منطقی است: یکی در مورد شبیه سازی موازی با استفاده از اجرای فرضی صف رویداد (پیوندو دیگری در مورد بهبود کیفیت توزیع ورودی های تصادفی در تست های تصادفی محدود با استفاده از توابع هش هوشمند (پیوند). من این نوآوری‌های «سطح موتور» را می‌نامم – که بلوک‌های سازنده درون ابزارهای EDA را اساساً بهتر می‌کنند. ما همچنین باید در اینجا به تحقیق و نوآوری ادامه دهیم. این دو مقاله بسیار نوآورانه بودند اما هیچ ارتباطی با هوش مصنوعی نداشتند. فراموش نکنیم که به سرمایه گذاری در نوآوری های غیر مرتبط با هوش مصنوعی نیز ادامه دهیم.

دیدگاه رائول

نوشتن این گذشته‌نگر در طول تعطیلات، ناگزیر با یکی از ضروریات بشری که می‌توان آن را به یک هنر ارتقا داد، برخورد می‌کند: غذا خوردن. بررسی رستوران‌ها ممکن است به اندازه کافی با مقالات مروری به اشتراک بگذارد تا رتبه‌بندی‌هایی مانند ★★★ استثنایی، ارزش یک سفر ویژه، ★★ عالی، ارزش یک مسیر انحرافی، ★ کیفیت بالا، ارزش توقف و 😋 فوق‌العاده خوب با قیمت‌های متوسط ​​را توجیه کند. پل قبلاً اظهار داشت که ما بررسی سپتامبر بود "موضوع ستاره میشلن". در همین راستا ادامه خواهم داد و از اولویت های شما (تعداد بازدید) خوانندگان عزیز به عنوان معیار استفاده می کنم.

در حالی که وبلاگ سال گذشته تا حد زیادی در مورد الگوریتم های جالب بود، امسال در مورد آن بود AI / ML و نرم افزار (SW). سه مقاله برتر ★★★ همه در مورد تأیید SW با استفاده از AI/ML بود. وبلاگ دارای رتبه برتر (جولای) در مورد بررسی کد با هوش مصنوعی مولد بود، دوم (نوامبر(ممکن است) در مورد شناسایی و رفع اشکالات در جاوا بود که با طبقه بندی کننده های هوش مصنوعی تقویت می شد. دو مورد از این سه مقاله از مجموعه داده های بزرگ GitHub برای آموزش استفاده می کنند. چنین داده هایی برای طراحی سخت افزار (HW) به صورت عمومی در دسترس نیستند. که مسلماً به اندازه کافی با SW متفاوت است تا حداقل این سوال را ایجاد کند که آیا این نتایج می توانند برای HW تکرار شوند یا خیر. با این وجود، نگاه کردن به آنچه جامعه SW در مورد تأیید انجام می دهد، مطمئناً منبع الهام است.

سه مقاله بعدی، با رتبه‌بندی ★★، مجموعه‌ای التقاطی از AI/ML، یک الگوریتم بسیار جالب و شبکه‌های Petri-Nets هستند. همه با تأیید در EDA سروکار دارند. سپتامبر مقاله پیش نمایشی از استفاده از LLM (GPT-4) و مدل بررسیگر (JasperGold) برای ترجمه انگلیسی به System Verilog Assertions (SVA) بود. بعدی (ژوئن) به نحوه نمونه برداری از فضای راه حل برای تأیید تصادفی محدود پرداخته است یکنواخت (برخورد با محدودیت ها) - یک الگوریتم جالب برای یک مسئله سخت، از سال 2014. آخرین سهم در این گروه (آوریل) شبکه پتری توسعه یافته برای تأیید مشخصات JEDEC DDR؛ هم در مورد مشخصات JEDEC و هم در مورد پتری نت ها آموزشی است و یک نقض زمان بندی را آشکار می کند.

مقالات 7-9، با رتبه ★، به تأیید طراحی آنالوگ، تأیید CPU و اجرای SW موازی می پردازند. که در اکتبر ما یک مقاله دعوت شده به مجله باز IEEE انجمن مدارهای حالت جامد را بررسی کردیم، علاوه بر اینکه یک آموزش خوب در مورد طراحی و اعتبارسنجی آنالوگ است، سهم اصلی شامل جایگزینی مدل‌های مدار آنالوگ با مدل‌های عملکردی برای تسریع شبیه‌سازی Spice با 4 مرتبه بزرگی است. . مقاله فوریه در مورد استفاده از DNN برای بهبود ژنراتورهای دستورالعمل تصادفی در تأیید CPU بود که کاهش "تعداد شبیه سازی ها با ضریب 2 یا بیشتر” در یک مثال ساده (IBM Northstar، 5 دستورالعمل). مارس طراحی کامل یک شتاب دهنده HW را برای پیاده سازی به ما آورد مدل اجرای وظایف مرتب شده در مکان (SLOT). برای بهره برداری از موازی سازی و حدس و گمان، و برای برنامه هایی که وظایف را به صورت پویا در زمان اجرا تولید می کنند.

که ما را با دو 😋 گیرنده باقی می گذارد. که در اوت ما مقاله‌ای از سال 2013 را بررسی کردیم که پیشگام خوشه‌بندی k-means (2013) برای تشخیص باگ سیلیکون بود. و در دسامبر ما به یک موضوع بسیار مهم نگاه کردیم، تأیید امنیتی با استفاده از IFT (ردیابی جریان اطلاعات) و گسترش آن از سطح دروازه به RTL. جای تعجب نیست که مشارکت دسامبر کمترین بازدید را داشته است زیرا خوانندگان ما احتمالاً با معضلی که در ابتدا توضیح داده شد مواجه بودند.

رتبه‌بندی‌ها گاهی اوقات می‌توانند دلخواه باشند، همه این مشارکت‌ها ارزشمند هستند و وضعیت هنر را ارتقا می‌دهند. ما می‌توانیم قدردان جامعه پژوهشی فعال و بین‌المللی در دانشگاه و صنعت باشیم که با مشکلات واقعاً سخت مقابله می‌کند. با توجه به ترجیحات شخصی من، می توانید حدس بزنید…

اشتراک گذاری این پست از طریق:

تمبر زمان:

بیشتر از نیمه ویکی