Retrospektywa 2023. Innowacja w weryfikacji - Semiwiki

Opublikowane ponownie przez Plato

Obserwuje: 0

Jak zwykle w styczniu zaczynamy od podsumowania artykułów, które recenzowaliśmy w zeszłym roku. Paul Cunningham (GM, Verification w Cadence), Raúl Camposano (Silicon Catalyst, przedsiębiorca, były dyrektor ds. technologii Synopsys, a obecnie dyrektor ds. technicznych Silvaco) i ja kontynuujemy naszą serię dotyczącą pomysłów badawczych. Jak zawsze, opinie mile widziane. W tym roku planujemy rozpocząć serię na żywo, podczas której będziemy omawiać pomysły i szersze tematy oraz uzyskać Wasze opinie. Szczegóły do naśladowania!

Retrospektywa z 2023 roku

Wybory na rok 2023

Oto blogi, które publikowaliśmy w ciągu roku, posortowane według popularności. Średnio na jednego bloga przypadało 12.7 tys. wejść, co stanowi znaczący wzrost w porównaniu z zeszłym rokiem, co uznajemy za wskazówkę, że w dalszym ciągu podobają Ci się nasze recenzje bieżących badań w trakcie weryfikacji. Lider nie był zaskoczeniem, stosując LLM do automatycznego przeglądu kodu przy prawie 17 tys. zaangażowań. Bliska sekunda wykorzystuje ML do opracowywania abstrakcji modeli. W rzeczywistości 4 najpopularniejsze blogi w 2023 r. dotyczyły zastosowań AI/ML. Sieci Petriego pojawiły się ponownie w tym roku, tutaj w celu sprawdzenia szybko rozwijających się protokołów DRAM. Listę uzupełniono wykorzystaniem dedykowanego sprzętu do spekulacji w symulacji oraz metody wyszukiwania anomalii. Retrospektywa za rok 2022 wypadła podobnie jak zwykle, ale została przyćmiona zainteresowaniem innymi gazetami w ciągu roku. Można śmiało założyć, że w 2024 r. przyjrzymy się większej liczbie zastosowań AI/ML!

Pogląd Pawła

Mija kolejny rok, a od chwili założenia bloga w listopadzie 49 przeczytaliśmy 2019 artykułów! Już wtedy pomyśleliśmy, że byłby to świetny sposób na zjednoczenie naszej społeczności weryfikacyjnej i okazanie wdzięczności za ciągłe inwestycje w badania weryfikacyjne w instytucjach akademickich na całym świecie.

Nie przewidziałam, w jaki sposób lektura tych wszystkich artykułów zainspiruje nowe inwestycje i innowacje w Cadence. Pisanie tego bloga nauczyło mnie, że nawet na szczeblu kierowniczym w inżynierii utrzymywanie kontaktu z badaniami na poziomie podstawowym i regularne czytanie artykułów jest dobre dla biznesu. Dziękuję zatem czytelnikom i dziękuję Bernardowi!

Nic dziwnego, że wśród naszych trzech największych hitów zeszłego roku znalazły się artykuły na temat wykorzystania sztucznej inteligencji w weryfikacji, a jedna na temat sztucznej inteligencji do automatyzacji przeglądu kodu (link), jeden na AI, aby pomóc szybciej znajdować błędy w zaawansowanych modelach SimuLink urządzeń o mieszanym sygnale (link) i jeden dotyczący wykorzystania sztucznej inteligencji do automatycznego identyfikowania, który wiersz kodu źródłowego jest główną przyczyną niepowodzenia testu (link). Zdecydowanie musimy w dalszym ciągu inwestować w badania, zarówno w środowisku akademickim, jak i komercyjnym. Jakimś cudem w ciągu następnej dekady będziemy musieli zwiększyć produktywność weryfikacji o kolejne 10 razy, a najprawdopodobniej będzie to zasługa sztucznej inteligencji.

To powiedziawszy, moje osobiste okrzyki z 2024 r. nie są związane ze sztuczną inteligencją. Dotyczy dwóch artykułów z symulacji logicznej: jednego na temat symulacji równoległej przy użyciu spekulatywnego wykonywania kolejki zdarzeń (link), a drugi dotyczący poprawy jakości dystrybucji losowych danych wejściowych w ograniczonych testach losowych przy użyciu sprytnych funkcji mieszających (link). Nazywam te innowacje „na poziomie silnika” – dzięki czemu elementy składowe narzędzi EDA są zasadniczo lepsze. Musimy także kontynuować badania i innowacje w tym zakresie. Te dwa artykuły były bardzo innowacyjne, ale nie miały nic wspólnego ze sztuczną inteligencją. Nie zapominajmy także o dalszym inwestowaniu w innowacje niezwiązane ze sztuczną inteligencją.

Pogląd Raula

Pisanie tej retrospektywy w czasie wakacji nieuchronnie koliduje z jedną z potrzeb człowieka, którą można wynieść do rangi sztuki: jedzeniem. Recenzje restauracji być może pokrywają się z recenzowanymi publikacjami, aby uzasadnić takie oceny, jak ★★★ wyjątkowa, warta specjalnej podróży, ★★ doskonała, warta objazdu, ★ wysoka jakość, warta zatrzymania się i 😋 wyjątkowo dobra w umiarkowanych cenach. Paweł stwierdził już, że nasz Przegląd września był „Temat gwiazdek Michelin”. Będę kontynuował w tym duchu, używając jako miernika Waszych preferencji (liczby wyświetleń), drodzy czytelnicy.

Podczas gdy w zeszłym roku blog dotyczył głównie fajnych algorytmów, w tym roku było o nich właśnie mowa AI / ML i Oprogramowanie (SW). Trzy pierwsze ★★★ artykuły dotyczyły weryfikacji SW przy użyciu AI/ML. Najwyżej oceniany blog (lipiec) dotyczyło przeglądu kodu z generatywną sztuczną inteligencją, drugie (listopad) zajmowała się testowaniem i weryfikacją oprogramowania dla systemów cyberfizycznych przy użyciu zastępczych modeli sztucznej inteligencji, a trzecia (Maja) dotyczył wykrywania i naprawiania błędów w Javie poprzez wspomaganie klasyfikatorami AI. W dwóch z tych trzech artykułów do celów szkoleniowych wykorzystywane są duże zbiory danych z GitHuba. Takie dane nie są publicznie dostępne w przypadku projektowania sprzętu (HW); co prawdopodobnie różni się na tyle od SW, aby przynajmniej postawić pytanie, czy te wyniki mogą/będą zostać powtórzone dla HW. Niemniej jednak przyjrzenie się temu, co społeczność SW robi w sprawie weryfikacji, z pewnością jest źródłem inspiracji.

Kolejne trzy artykuły, sklasyfikowane na poziomie ★★, to eklektyczny zbiór AI/ML, bardzo fajnego algorytmu i sieci Petriego. Wszystkie zajmują się weryfikacją w EDA. września Artykuł był zapowiedzią wykorzystania LLM (GPT-4) i narzędzia do sprawdzania modeli (JasperGold) do tłumaczenia języka angielskiego na asercje System Verilog (SVA). Następny (czerwiec) omówiono sposób próbkowania przestrzeni rozwiązań w celu ograniczonej weryfikacji losowej jednolicie (spełniający ograniczenia) – fajny algorytm dla trudnego problemu, z 2014 roku. Ostatni wkład w tej grupie (kwiecień) rozbudowane sieci Petriego do weryfikacji specyfikacji JEDEC DDR; ma charakter edukacyjny zarówno w zakresie specyfikacji JEDEC, jak i sieci Petriego i odkrywa jedno naruszenie synchronizacji.

Artykuły 7-9, z oceną ★, dotyczą weryfikacji projektu analogowego, weryfikacji procesora i równoległego wykonywania oprogramowania. W październik zrecenzowaliśmy artykuł zaproszony do otwartego czasopisma IEEE stowarzyszenia Solid-State Circuits Society, poza tym, że jest to dobry poradnik na temat projektowania i walidacji układów analogowych, głównym wkładem jest zastąpienie modeli obwodów analogowych modelami funkcjonalnymi w celu przyspieszenia symulacji Spice o 4 rzędy wielkości . Artykuł z lutego dotyczyło wykorzystania DNN do ulepszenia generatorów instrukcji losowych w weryfikacji procesora, wykazując redukcję „liczbę symulacji o czynnik około 2” w prostym przykładzie (IBM Northstar, 5 instrukcji). March przyniosło nam kompletny projekt akceleratora sprzętowego do wdrożenia Model realizacji Zlokalizowanych Przestrzennie Uporządkowanych Zadań (SLOT). do wykorzystania równoległości i spekulacji, a także do aplikacji, które dynamicznie generują zadania w czasie wykonywania.

Co daje nam dwóch 😋 odbiorców. W sierpień przejrzeliśmy artykuł z 2013 r., w którym zapoczątkowano grupowanie k-średnich (2013) w celu wykrywania błędów po krzemie. I w grudzień przyjrzeliśmy się bardzo ważnemu tematowi, weryfikacji bezpieczeństwa za pomocą IFT (śledzenie przepływu informacji) i jego rozszerzeniu z poziomu bramki na RTL. Nic więc dziwnego, że grudniowy wpis uzyskał najmniej odsłon, gdyż nasi czytelnicy prawdopodobnie stanęli przed opisanym na początku dylematem.

Oceny mogą być czasami arbitralne, wszystkie te wkłady są godne gwiazdek i stanowią postęp w dziedzinie wiedzy. Możemy być wdzięczni za aktywną, międzynarodową społeczność badawczą w środowisku akademickim i przemysłowym, rozwiązującą naprawdę trudne problemy. Jeśli chodzi o moje osobiste preferencje, możesz się domyślić…

Udostępnij ten post przez: