HybMT: 基于混合元预测器的快速测试向量生成的ML算法
摘要：使用机器学习模型可以增加测试覆盖率并减少测试时间。然而，至今为止，尚无算法能够在速度和准确性方面比得上商业工具，特别是对于大型电路。本文提出了一种名为HybMT的ATPG算法，最终打破了这一障碍。与类似方法一样，我们增强了经典的PODEM算法，该算法使用递归回溯。我们设计了一个自定义的二级预测器，用于预测需要设置其输入的逻辑门的网络，以确保输出是给定的值（0或1）。我们的预测器从两个一级预测器中选择输出，其中一个是定制的神经网络，另一个是SVM回归器。与流行的商业ATPG工具相比，HybMT在不影响EPFL基准电路的故障覆盖率的情况下，CPU时间总体减少了56.6％。HybMT在获得相等或更好的故障覆盖率的同时，与最佳的基于机器学习的算法相比，速度提升了126.4％。
作者：Shruti Pandey, Jayadeva, Smruti R. Sarangi
论文ID：2207.11312
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-08