2023年の回顧展。検証におけるイノベーション - Semiwiki

プラトン再発行

フォロワー： 0

いつものように、1 月は昨年レビューした論文を振り返ることから始めます。 Paul Cunningham (GM、Cadence の Verification)、Raúl Camposano (シリコンカタリスト、起業家、元 Synopsys CTO、現在 Silvaco CTO) と私は研究アイデアに関するシリーズを続けています。いつものように、フィードバックは大歓迎です。今年は、アイデアやより広範なトピックについて議論し、フィードバックを得るためにライブシリーズを開始する予定です。詳細は追ってお知らせします！

2023回顧展

2023年のおすすめ

これらは、年間を通じて投稿されたブログを人気順に並べたものです。ブログごとの平均エンゲージメント数は 12.7k で、昨年から大幅に増加しました。これは、検証における現在の調査のレビューを引き続き楽しんでいただいていることの表れであると考えています。このリーダーは驚くことではなく、約 17 件のエンゲージメントで自動コードレビューに LLM を適用しました。僅差で ML を使用してモデルの抽象化を開発しました。実際、4 年のブログのトップ 2023 はすべて AI/ML のアプリケーションに関するものでした。急速に進化する DRAM プロトコルを検証するために、今年もペトリネットが登場しました。シミュレーションでの推測に専用のハードウェアを使用し、異常を見つける方法がリストを完成させました。 2022 年の回顧展は例年と同様に盛況でしたが、年間を通じて他の新聞への関心の影に隠れていました。 2024 年にはさらに AI/ML の応用が検討されることは間違いありません。

ポールの見解

49 年 2019 月にブログを開始して以来、XNUMX 年があっという間に過ぎ、XNUMX 件の論文が読まれました。当時、私たちは検証コミュニティを結集し、世界中の学術機関での検証研究への継続的な投資に感謝の意を示す素晴らしい方法だと考えていました。

私が予想していなかったのは、これらの論文をすべて読むことで、ケイデンスでの新たな投資やイノベーションがどのように刺激されるかということでした。このブログを書くことで、たとえエンジニアリングの幹部レベルであっても、地上レベルの研究とつながりを持ち、論文を定期的に読むことがビジネスに良いことを学びました。読者の皆さん、そしてバーナードにも感謝します!

昨年のトップ 3 のヒット論文がすべて検証での AI の使用に関する論文であり、コードレビューを自動化する AI に関する論文が XNUMX つであることも不思議ではありません ( )、1 つは AI に関するもので、混合信号デバイスの高レベル SimuLink モデルでのバグをより迅速に発見するのに役立ちます ( )、もう 1 つは AI を使用して、ソースコードのどの行がテスト失敗の根本原因であるかを自動的に特定することについて ( ）。私たちは学術界と商業界の両方で研究に投資し続けることが絶対に必要です。どういうわけか、今後 10 年間で検証の生産性を XNUMX 倍向上させる必要がありますが、それは AI によってもたらされる可能性が最も高いです。

とはいえ、2024 年からの私の個人的な叫びは AI 関連ではありません。論理シミュレーションに関する XNUMX つの論文です。XNUMX つはイベントキューの投機的実行を使用した並列化シミュレーションに関する論文です ( )、もう 1 つは、賢いハッシュ関数を使用した、制約付きランダムテストにおけるランダム化入力の分散品質の向上に関するものです ( ）。私はこれらを「エンジンレベル」のイノベーションと呼んでいます。これは、EDA ツール内の構成要素を根本的に改善するものです。ここでも研究と革新を続ける必要があります。これら 2 つの論文は非常に革新的でしたが、AI とは何の関係もありませんでした。 AI 以外のイノベーションにも投資し続けることを忘れないようにしましょう。

ラウルの見解

休暇中にこの回顧録を書くことは、必然的に、芸術にまで高められる人類の必需品の一つ、つまり食べることと衝突することになる。レストランのレビューは、おそらく、★★★ 例外的、特別な旅の価値がある、★★ 優れている、寄り道する価値がある、★ 高品質、立ち寄る価値がある、😋 手頃な価格で非常に優れているなどの評価を正当化するのに十分な論文のレビューと共通点があります。パウロはすでに述べました。 9月の振り返りでした "ミシュランの星付きの話題”。読者の皆さんの好み（閲覧数）を基準にして、この調子で続けていきます。

昨年のブログは主にクールなアルゴリズムについてでしたが、今年のブログは AI / ML および ソフトウェア（SW）。上位3つの★★★論文はいずれもAI/MLを活用したSWの検証に関するものでした。最高評価のブログ (7月) は生成 AI を使用したコードレビューに関するもので、2 つ目は (11月) は、サロゲート AI モデルを使用したサイバーフィジカルシステムの SW のテストと検証を扱い、3 つ目は (5月) は、AI 分類子を使用して強化された Java のバグを検出して修正することについてでした。これら 3 つの論文のうち 2 つは、GitHub の大規模なデータセットをトレーニングに使用しています。このようなデータは、ハードウェア (HW) 設計に関しては公開されていません。これは間違いなく SW とは十分に異なり、少なくともこれらの結果が HW で再現できるかどうかという疑問が生じます。それにもかかわらず、SW コミュニティが検証に関して何を行っているかを見ることは、確かにインスピレーションの源です。

次の 3 つの論文は、★★ でランク付けされており、AI/ML、非常に優れたアルゴリズム、およびペトリネットの折衷的なコレクションです。すべて EDA での検証を処理します。 9月のこの論文は、LLM (GPT-4) とモデルチェッカー (JasperGold) を使用して英語を System Verilog Assertions (SVA) に翻訳する方法のプレビューでした。次のもの（６月) 制約付きランダム検証のための解空間をサンプリングする方法を取り上げました。一律 (制約を満たす) – 2014 年に開発された、難しい問題に対する優れたアルゴリズムです。このグループの最後の投稿 (4月) JEDEC DDR 仕様を検証するための拡張ペトリネット。これは JEDEC 仕様とペトリネットの両方について教育的であり、1 つのタイミング違反を明らかにします。

★のランクの論文 7 ～ 9 は、アナログ設計検証、CPU 検証、および並列 SW 実行を扱います。で 10月私たちは、ソリッドステート回路協会の IEEE オープンジャーナルへの招待論文をレビューしました。アナログ設計と検証に関する優れたチュートリアルであることに加えて、主な貢献は、アナログ回路モデルを機能モデルに置き換えて、Spice シミュレーションを 4 桁高速化することで構成されています。。 2月の新聞 DNN を使用して CPU 検証におけるランダム命令ジェネレーターを改善するというもので、「2倍程度のシミュレーション回数」を簡単な例で示します (IBM Northstar、5 つの命令)。３月を実装するための HW アクセラレータの完全な設計を私たちにもたらしてくれました。 Spatially Location Ordered Tasks (SLOT) 実行モデル 並列処理と投機を利用するため、および実行時に動的にタスクを生成するアプリケーション向けに。

これで、受信者は 2 人になります 😋 。で 8月私たちは、シリコン後のバグ検出のための K 平均法クラスタリング (2013 年) の先駆けとなった 2013 年の論文をレビューしました。そして、 12月私たちは、IFT (情報フロー追跡) を使用したセキュリティ検証という非常に重要なトピックと、ゲートレベルから RTL への拡張について検討しました。当然のことながら、読者はおそらく最初に説明したジレンマに直面していたため、12 月の投稿のアクセス数が最も少なくなりました。

評価は時々恣意的なものになることがありますが、これらの貢献はすべて星に値し、最先端を前進させます。私たちは、学界と産業界の活発で国際的な研究コミュニティが本当に難しい問題に取り組んでいることに感謝しています。私の個人的な好みとしては、ご想像のとおり…

この投稿を共有する：