HybMT：基于混合元预测器的机器学习快速测试向量生成算法
机器学习
2023-08-08 v3
摘要
ML模型正日益被用于提高测试覆盖率并降低整体测试时间。该领域仍处于起步阶段，迄今为止尚无任何算法能在大规模电路的速度与精度上匹敌或超越商业工具。我们在本文中提出一种ATPG算法HybMT，最终打破了这一壁垒。如同同类方法，我们增强了使用递归回溯的经典PODEM算法。我们设计了一个定制的二级预测器，用于预测逻辑门的需要被置为给定值（0或1）的输入网。我们的预测器从两个一级预测器中选择输出，其中最有效的是一个定制神经网络，另一个为SVM回归器。与流行的先进商业ATPG工具相比，HybMT在EPFL基准电路上以不牺牲故障覆盖率为代价实现了CPU时间整体减少56.6%。HybMT相较最佳基于ML的算法也展现出126.4%的加速，同时在EPFL基准电路上获得相等或更优的故障覆盖率。
引用
@article{arxiv.2207.11312,
title = {HybMT: Hybrid Meta-Predictor based ML Algorithm for Fast Test Vector Generation},
author = {Shruti Pandey and Jayadeva and Smruti R. Sarangi},
journal= {arXiv preprint arXiv:2207.11312},
year = {2023}
}
备注
6 pages, 5 figures and 5 tables. Changes from the previous version: We modified our novel neural network model "HybNN" with a skip connection and found a significant improvement in the fault coverage and runtime of our HybMT-based PODEM algorithm. We train on the smaller ISCAS'85 circuits, report the results for the EPFL benchmark circuits (most recent and up to 70X large)