[發(fā)明專利]驗證方法及其裝置、計算機存儲介質(zhì)以及處理器

在審

• 申請?zhí)枺?/td>: 202111027785.8
• 申請日: 2021-09-02
• 公開（公告）號: CN113704126A
• 公開（公告）日: 2021-11-26
• 發(fā)明（設(shè)計）人: 張毅;侯彬
• 申請（專利權(quán)）人: 西安紫光國芯半導(dǎo)體有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責任公司 11240
• 代理人: 霍文娟

本發(fā)明公開了一種驗證方法及其裝置、計算機存儲介質(zhì)以及處理器。其中，該方法包括：利用預(yù)定函數(shù)對目標參數(shù)進行分類處理，得到分類后的目標參數(shù)；獲取分類后的目標參數(shù)中的負類參數(shù)，并基于負類參數(shù)生成測試激勵參數(shù)，其中，負類參數(shù)為使測試用例失敗的參數(shù)；利用測試激勵參數(shù)對待驗證模塊進行驗證。本發(fā)明解決了針對相關(guān)技術(shù)中現(xiàn)有芯片驗證領(lǐng)域存在浪費人力資源、驗證效率低、進而推遲產(chǎn)品上市時間的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及電子設(shè)計封裝測試領(lǐng)域，具體而言，涉及一種驗證方法及其裝置、計算機存儲介質(zhì)以及處理器。

背景技術(shù)

為了規(guī)范驗證平臺的搭建，在電子設(shè)計自動化(Electronic Design Automation，簡稱EDA)廠商和用戶之間建立一個統(tǒng)一的原則，Accellera提出了通用驗證方法學(xué)(Universal Verification Methodology，簡稱UVM)標準，并得到了Mentor、Cadence和Synopsys三大廠商的支持。UVM是一個以System Verilog類庫為主體的驗證平臺開發(fā)框架，驗證工程師可以利用其可重構(gòu)組件構(gòu)建具有標準層次結(jié)構(gòu)和接口的功能驗證環(huán)境。

圖1是現(xiàn)有技術(shù)中傳統(tǒng)的UVM驗證平臺結(jié)構(gòu)的示意圖，如圖1所示，在現(xiàn)有驗證方法以及驗證架構(gòu)中，如果對待驗證模塊(Design Under Test，簡稱DUT)有迭代更新或者改動，那么驗證人員所開發(fā)的測試用例(case)需要根據(jù)隨機函數(shù)重新生成含有新參數(shù)的激勵灌輸?shù)綄Υ炞C模塊DUT中。所輸入?yún)?shù)產(chǎn)生的激勵仍然隨機，無法在短時間內(nèi)精確驗證到設(shè)計中的薄弱環(huán)節(jié)，而且所做工作與之前高度重復(fù)。該驗證方法以及架構(gòu)不僅會浪費不必要的人力資源，而且驗證效率低，推遲產(chǎn)品上市時間，更有非常大的幾率漏掉以前已經(jīng)發(fā)現(xiàn)的漏洞。

針對上述的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種驗證方法及其裝置、計算機存儲介質(zhì)以及處理器，以至少解決針對相關(guān)技術(shù)中現(xiàn)有芯片驗證領(lǐng)域存在浪費人力資源、驗證效率低、進而推遲產(chǎn)品上市時間的技術(shù)問題。

根據(jù)本發(fā)明實施例的一個方面，提供了一種驗證方法，其特征在于，包括：利用預(yù)定函數(shù)對目標參數(shù)進行分類處理，得到分類后的目標參數(shù)；獲取所述分類后的目標參數(shù)中的負類參數(shù)，并基于所述負類參數(shù)生成測試激勵參數(shù)，其中，所述負類參數(shù)為使測試用例失敗的參數(shù)；利用所述測試激勵參數(shù)對待驗證模塊進行驗證。

可選地，在利用預(yù)定函數(shù)對目標參數(shù)進行分類處理，得到分類后的目標參數(shù)之前，所述方法還包括：調(diào)用隨機函數(shù)基于所述測試用例中預(yù)先定義的參數(shù)生成所述目標參數(shù)。

可選地，調(diào)用隨機函數(shù)基于測試用例中預(yù)先定義的所有參數(shù)生成所述目標參數(shù)，包括：獲取所述測試用例中預(yù)先定義的至少部分參數(shù)；將所述至少部分參數(shù)約束到預(yù)定范圍，得到初始參數(shù)；調(diào)用所述隨機函數(shù)基于所述初始參數(shù)生成所述目標參數(shù)。

可選地，在利用預(yù)定函數(shù)對目標參數(shù)進行分類處理，得到分類后的目標參數(shù)之前，所述方法還包括：調(diào)用驗證平臺中驗證環(huán)境所需的所述預(yù)定函數(shù)。

可選地，在調(diào)用驗證平臺中驗證環(huán)境所需的預(yù)定函數(shù)之前，還包括：獲取所述預(yù)定函數(shù)；其中，獲取所述預(yù)定函數(shù)，包括：從第一數(shù)據(jù)庫和第二數(shù)據(jù)庫中獲取樣本數(shù)據(jù)，其中，所述第一數(shù)據(jù)庫中存儲有使測試用例驗證失敗的負類激勵值，所述第二數(shù)據(jù)庫中存儲有使測試用例驗證成功的正類激勵值，所述樣本數(shù)據(jù)中的一部分作為訓(xùn)練數(shù)據(jù)；利用所述訓(xùn)練數(shù)據(jù)對初始網(wǎng)絡(luò)模型進行訓(xùn)練，得到預(yù)定分類模型；提取所述預(yù)定分類模型中算法的固定參數(shù)；對所述固定參數(shù)以及所述算法進行封裝，得到所述預(yù)定函數(shù)。

可選地，提取所述預(yù)定分類模型中算法的固定參數(shù)，包括：利用所述樣本數(shù)據(jù)中的另外一部分作為測試數(shù)據(jù)，對所述預(yù)定分類模型進行驗證，得到驗證結(jié)果；在所述驗證結(jié)果表示所述預(yù)定分類模型的分類準確率達到預(yù)定閾值時，提取所述預(yù)定分類模型中算法的固定參數(shù)。