Інструментальна перевірка після кремнію. Інновації у верифікації

Інструментальна перевірка після кремнію-це не нова ідея, але ось поворот. Використовуючи (передкремнієву) емуляцію, щоб вибрати структури спостереження налагодження для інструменту в кремнії. Пол Каннінгем (GM, Верифікація в каденції), Рауль Кампосано (Силіконовий каталізатор, підприємець, колишній технічний директор Synopsys) та я продовжуємо нашу серію дослідницьких ідей. Як завжди, відгуки вітаються.

Інновації

Вибір цього місяця - Емуляційна інфраструктура для оцінки апаратних тверджень для посткремнієвої перевірки. Документ був представлений на IEEE Transactions 2017 на VLSI. Автори з Університету Макмастера, Гамільтон, Онтаріо, Канада

Автори розрізняють логічні та електричні помилки після кремнію і присвячують свою увагу в цій роботі електричним помилкам, які можна виявити за допомогою бітових переворотів у флопах. Їх підхід полягає у визначенні оптимального набору тверджень у аналізі перед кремнієм. Потім вони впроваджуються в кремній на підтримку пост-кремнієвої налагодження. Аналіз попереднього кремнію подібний до помилок в аналізі безпеки, введення несправностей на флопах, що відповідають електричним помилкам, як вони натякають у статті. Вони формують список кандидатів тверджень за допомогою синтезу тверджень; ядро їх інновацій полягає у наданні методу оцінки цих тверджень за тим, наскільки кожен з них ефективний у виявленні численних помилок.

Вихідні дані генеруються випадковим чином, послідовно аналізуючи введені несправності (розглядаються як перехідні). Вони дозволяють визначити користувачем кількість циклів для виявлення кожної несправності. На наступному етапі вони оцінюють ефективність за допомогою двох різних методів покриття. Для покриття тригерами вони підраховують твердження, якщо воно впіймає введену помилку на будь-якому флопі. У охопленні біт-фліп вони оцінюють твердження кількість помилок, виявлених на окремих флопах. Ці показники разом з оцінками площі вони використовують (по черзі) для вибору бажаних тверджень.

Погляд Павла

Цей папір чудово поєднується з нашим Блог серпня 2020 року про швидке виявлення помилок (QED). QED прискорює функціональне виявлення помилок після кремнію, де цей блог зосереджений на виявленні електричних помилок після кремнію. Папір легко читається, хоча допомагає спочатку прочитати посилання [23].

Електричні помилки важко впіймати, і навіть тоді їх важко повторити і знайти основну фізичну причину. Автори пропонують спосіб за допомогою вбудованої логіки виявити, коли такі помилки змушують флоп перевернутись до неправильного значення (вони не копають глибше, ніж знаходження цих сальто).

Основою статті та її супутником [23] є багатоетапний метод створення та синтезу цієї логіки виявлення. Він починається з майнінгових властивостей дизайну як тимчасових тверджень із використанням Інструмент GoldMine. Вони ранжують твердження на основі оцінки їхньої здатності виявляти перевертання бітів та оцінки площі / вартості електропроводки для реалізації в кремнії. Рейтинг покладається на виконання багатьох моделей до кремнію з твердженнями кандидатів, введення помилок перевертання бітів та підрахунок виявлених сальто за твердженнями. В оригінальному документі вони використовували логічне моделювання, тут вони прискорюють це моделювання шляхом відображення дизайну на платі Altera FPGA.

Мені подобається, як вони об’єднують декілька інновацій у послідовний метод виявлення перевертання бітів після кремнію: видобуток тверджень, синтез тверджень та елегантна функція ранжування для вибору тверджень. Однак розділ результатів статті вказує на те, що виявлення фліпів бітів у n% шльопанців потребує приблизно n% збільшення площі розрахунку. Це видається складним для комерційного застосування, тим більше, що це лише допомагає знайти електричні помилки. Потенційно можна досягти подібного результату шляхом клонування логічного конуса, що керує тригером, а потім порівняти вихід цієї клонованої логіки з вихідною логікою. Здавалося б, це створює аналогічні накладні витрати на площу, як і їх метод, в межах обмеження клонування всієї конструкції (тобто 100% накладних витрат на площу) для виявлення сальто в 100% флопів у конструкції.

Погляд Рауля

Папір є автономною з достатньою кількістю деталей. Автори провели експерименти для 3 послідовних схем ISCAS (прибл. 12K затворів, 2000 FF). Підготовчі експерименти вводять 256 помилок на тригер і використовують усі твердження, сформовані GoldMine. Через обмежену пропускну здатність ПЛІС автори поділяються на 45 «сеансів» для однієї схеми. Результати показують, що навіть за 45 сеансів прискорення аналізу за моделювання в 20-500 разів (лише до 8 ін'єкцій помилок, оскільки моделювання стає занадто повільним, 105 год). Максимально можливе покриття тригерами-55%, 89%, 99% та 3%. Кількість вилучених тверджень охоплює охоплення.

Запуск з вибраними твердженнями (що відповідає накладним витратам на 5-50% площі) та 1-256 ін’єкцій призводить до 2.2% -34% бітового покриття. Більшість часу майнер із твердженнями працював 228 годин. Мене збентежило лише їх дані про час виконання та введені помилки. Збільшення виглядає розумним (лінійним) у моделюванні. Але в емуляції він різко підскакує, з 0.045 до 5.4 год, збільшуючи кількість ін'єкцій з 2 до 8. Я хотів би отримати додаткові пояснення з цього приводу.

Це методичний документ. Мені подобається, що практично кожен крок можна замінити комерційним інструментом. Разом із використанням великої плати ПЛІС (як емулятора) методологія масштабується. Звичайно, комерціалізувати методології дуже важко, але це приємне застосування для існуючих технологій!

Мій погляд

Метод дослідження техніки аналізу безпеки для налагодження після кремнію викликає інтригу. Нова ідея, хоча і призводить до дещо непрактичного результату для комерційного застосування.

Поділитися цим дописом через: Джерело: https://semiwiki.com/artificial-intelligence/301350-instrumenting-post-silicon-validation/