2023 회고전. 검증의 혁신 - Semiwiki

플라톤에 의해 재발행

팔로워 : 0

평소와 마찬가지로 1월에는 작년에 검토한 논문을 되돌아보는 것으로 시작합니다. Paul Cunningham(GM, Verification at Cadence), Raúl Camposano(실리콘 촉매, 기업가, 전 Synopsys CTO, 현 Silvaco CTO) 그리고 저는 연구 아이디어에 대한 시리즈를 계속하고 있습니다. 언제나처럼 피드백을 환영합니다. 아이디어와 더 폭넓은 주제에 대해 토론하고 피드백을 받기 위해 올해 라이브 시리즈를 시작할 계획입니다. 따라야 할 세부 사항!

2023 회고전

2023년 추천

이것은 우리가 한 해 동안 게시한 블로그를 인기순으로 정렬한 것입니다. 우리는 블로그당 평균 12.7개의 참여를 기록했는데, 이는 작년보다 의미 있는 증가이며, 이는 여러분이 현재 검증 연구에 대한 리뷰를 계속해서 즐기고 있다는 표시로 받아들입니다. 리더는 거의 17건의 참여에서 자동화된 코드 검토에 LLM을 적용한 것은 놀라운 일이 아닙니다. 가까운 순간에는 ML을 사용하여 모델 추상화를 개발합니다. 실제로 4년 상위 2023개 블로그는 모두 AI/ML 애플리케이션에 관한 것이었습니다. Petri nets는 빠르게 진화하는 DRAM 프로토콜을 검증하기 위해 올해 다시 등장했습니다. 시뮬레이션에서 추측을 위한 전용 하드웨어를 사용하고 이상 현상을 찾는 방법이 목록을 완성했습니다. 2022년 회고전은 평소와 마찬가지로 잘 진행되었지만 한 해 동안 다른 논문에 대한 관심으로 인해 가려졌습니다. 2024년에는 AI/ML의 더 많은 애플리케이션을 살펴보는 것이 안전할 것입니다!

바울의 견해

49년 2019월 블로그를 시작한 이후 또 한 해가 지났고, XNUMX개의 논문을 읽었습니다! 당시 우리는 이것이 검증 커뮤니티를 하나로 모으고 전 세계 교육 기관의 검증 연구에 대한 지속적인 투자에 대한 감사를 표시할 수 있는 좋은 방법이라고 생각했습니다.

제가 예측하지 못한 것은 이 모든 논문을 읽는 것이 어떻게 Cadence의 새로운 투자와 혁신에 영감을 줄 것인지였습니다. 이 블로그를 작성하면서 엔지니어링 분야의 임원이더라도 기초 수준의 연구에 계속 접속하고 정기적으로 논문을 읽는 것이 비즈니스에 좋다는 것을 배웠습니다. 독자 여러분, 그리고 버나드에게도 감사드립니다!

작년에 우리의 상위 3개 히트작이 모두 검증에 AI를 사용하는 것에 관한 논문이었고, 하나는 코드 검토를 자동화하기 위한 AI에 관한 논문이었습니다(링크), 혼합 신호 장치의 상위 수준 SimuLink 모델에서 버그를 더 빠르게 찾는 데 도움이 되는 AI에 대한 것(링크), AI를 사용하여 테스트 실패의 근본 원인이 되는 소스 코드 줄을 자동으로 식별하는 방법(링크). 우리는 학계와 상업계 모두에서 연구에 지속적으로 투자해야 합니다. 어떻게든 향후 10년 동안 우리는 검증 생산성에서 다음 XNUMX배를 찾아야 하며, 이는 AI에서 나올 가능성이 가장 높습니다.

즉, 2024년 내 개인적인 외침은 AI와 관련이 없습니다. 논리 시뮬레이션에 관한 두 편의 논문입니다. 하나는 이벤트 큐의 추측 실행을 사용한 시뮬레이션 병렬화에 관한 것입니다(링크), 다른 하나는 영리한 해싱 함수를 사용하여 제한된 무작위 테스트에서 무작위 입력의 배포 품질을 개선하는 방법입니다(링크). 나는 이러한 "엔진 수준" 혁신을 EDA 도구 내부의 구성 요소를 근본적으로 개선하는 것이라고 부릅니다. 우리는 여기서도 연구와 혁신을 계속해야 합니다. 이 두 논문은 매우 혁신적이었지만 AI와는 전혀 관련이 없었습니다. AI와 관련되지 않은 혁신에도 지속적으로 투자하는 것을 잊지 마십시오.

라울의 견해

휴일 동안 회고록을 쓰는 것은 예술로 승격될 수 있는 인류의 필수품 중 하나인 식사와 불가피하게 충돌합니다. 레스토랑 리뷰는 리뷰 논문과 충분히 공유하여 ★★★ 예외적, 특별한 여행을 할 가치가 있음, ★★ 훌륭함, 우회할 가치가 있음, ★ 품질이 높음, 들러볼 가치가 있음, 😋 적당한 가격에 예외적으로 좋음과 같은 등급을 정당화할 수 있습니다. 바울은 이미 우리의 9월 리뷰 했다 "미쉐린 스타 주제". 사랑하는 독자 여러분의 선호도(조회수)를 기준으로 이러한 맥락에서 계속하겠습니다.

작년의 블로그는 주로 멋진 알고리즘에 관한 것이었지만 올해의 블로그는 AI / ML 및 소프트웨어 (SW). ★★★ 상위 3개 논문은 모두 AI/ML을 활용한 SW 검증에 관한 내용이었습니다. 최고 평점의 블로그(7월)은 생성 AI를 사용한 코드 검토에 관한 것이었고, 두 번째(십일월)에서는 대리 AI 모델을 활용한 사이버 물리 시스템용 SW 테스트 및 검증을 다루었고, 세 번째(May)은 AI 분류자를 사용하여 Java 보강에서 버그를 감지하고 수정하는 것에 관한 것입니다. 이 세 가지 논문 중 두 개는 훈련을 위해 GitHub의 대규모 데이터 세트를 사용합니다. 이러한 데이터는 하드웨어(HW) 설계에 공개적으로 제공되지 않습니다. 이는 SW와는 충분히 다르기 때문에 적어도 이러한 결과가 HW에 대해 복제될 수 있는지 여부에 대한 의문을 제기합니다. 그럼에도 불구하고 SW 커뮤니티가 검증을 위해 무엇을 하고 있는지 살펴보는 것은 확실히 영감의 원천입니다.

★★로 순위가 매겨진 다음 3개의 논문은 매우 멋진 알고리즘인 AI/ML과 Petri-Nets의 다양한 컬렉션입니다. 모두 EDA의 검증을 다루고 있습니다. XNUMX월 이 논문은 LLM(GPT-4)과 모델 검사기(JasperGold)를 사용하여 영어를 SVA(System Verilog Assertions)로 번역하는 방법에 대한 미리보기였습니다. 다음 것 (XNUMX월) 제한된 무작위 검증을 위해 솔루션 공간을 샘플링하는 방법을 다루었습니다. 균일하게 (제약 조건 충족) – 2014년부터 시작된 어려운 문제에 대한 멋진 알고리즘입니다. 이 그룹의 마지막 기여(Apr) JEDEC DDR 사양 검증을 위한 확장된 Petri Nets; JEDEC 사양과 Petri Nets 모두에 대해 교육적이며 한 가지 타이밍 위반을 발견합니다.

★ 등급의 논문 7-9는 아날로그 설계 검증, CPU 검증 및 병렬 SW 실행을 다루고 있습니다. ~ 안에 XNUMX월 우리는 Solid-State Circuits Society의 IEEE 오픈 저널에 초청된 논문을 검토했습니다. 아날로그 설계 및 검증에 대한 훌륭한 튜토리얼일 뿐만 아니라 주요 기여는 Spice 시뮬레이션을 4배로 가속화하기 위해 아날로그 회로 모델을 기능 모델로 대체하는 것으로 구성됩니다. . 2월의 논문 CPU 검증에서 무작위 명령 생성기를 개선하기 위해 DNN을 사용하는 것에 관한 것이었습니다.2배 정도의 시뮬레이션 수” 간단한 예(IBM Northstar, 5개 지침)입니다. Mar 이를 구현하기 위한 HW 가속기의 완전한 설계를 우리에게 가져왔습니다. 공간적으로 위치한 순서가 지정된 작업(SLOT) 실행 모델 병렬성과 추측을 활용하고 런타임에 동적으로 작업을 생성하는 애플리케이션에 사용됩니다.

이제 두 명의 😋 수신자가 남습니다. ~ 안에 XNUMX월 우리는 포스트 실리콘 버그 탐지를 위한 k-평균 클러스터링(2013)을 개척한 2013년 논문을 검토했습니다. 그리고 XNUMX월 우리는 IFT(Information Flow Tracking)를 이용한 보안 검증과 게이트 레벨에서 RTL로의 확장이라는 매우 중요한 주제를 살펴보았습니다. 당연히 독자들이 처음에 설명한 딜레마에 직면했을 것이기 때문에 12월의 기고문은 가장 적은 히트를 기록했습니다.

등급은 때때로 임의적일 수 있으며, 이러한 모든 기여는 별 가치가 있으며 최신 기술을 발전시킵니다. 학계와 산업계에서 매우 어려운 문제를 다루고 있는 활발하고 국제적인 연구 커뮤니티에 감사드립니다. 제 개인적인 취향으로는 추측할 수 있겠네요...

다음을 통해이 게시물 공유 :