文献

J-GLOBAL ID：202002244879133025   整理番号：20A0911739

FAE:検証とデバッギングのためのRTL設計の自動符号器ベースの故障ビンニング【JST・京大機械翻訳】

FAE: Autoencoder-Based Failure Binning of RTL Designs for Verification and Debugging

著者 (4件)： Shen Cheng-Hsien (National Chiao Tung Univ.,Department of Electrical and Computer Engineering,Hsinchu,Taiwan,300) ,  Liang Aaron C.-W. (National Chiao Tung Univ.,Department of Electrical and Computer Engineering,Hsinchu,Taiwan,300) ,  Hsu Charles C.-H. (National Chiao Tung Univ.,Department of Electrical and Computer Engineering,Hsinchu,Taiwan,300) ,  Wen Charles H.-P. (National Chiao Tung Univ.,Department of Electrical and Computer Engineering,Hsinchu,Taiwan,300)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ITC  ページ： 1-10  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： レジスタ転送レベル(RTL)設計がより複雑であるので,デバッギングは設計プロセスにおける主要なボトルネックになる。より効率的なデバッギングを行うためには,設計者が1つの時間で1つのバグに焦点を合わせることができるように,同じ誤差源によって引き起こされる故障トレースを分類することを目的とする。しかし,設計における複数のバグがあるので,故障トレースによって示される挙動は,多様で厳しく混乱する設計者である。一つの誤差源は異なる活性化条件を受ける異なる外観をもたらす可能性がある。さらに,異なる誤差源は,限られた数の故障トレースの間で類似の外観を示すかもしれない。本研究では,RTL設計をより効率的に行うために,自動符号器に基づく故障結合エンジン名前FAEを提案した。オートエンコーダは,クラスタ化のための良好な特性を有するスパースで高次元の特徴空間から潜在空間への意味のある表現を抽出する。以前の研究よりも優れているので,FAEは,デバッグ中の設計者を明確に案内するために,ビンとビンの間の信頼度ランクを提供する。実験結果は,FAEが以前の研究より許容できる数のビンの下でより高い純度のビンを駆動することができることを示した。クラスタリングのための3つの一般的な計量によって評価されて,FAEはまた,純度において平均13.1%の改善,NMIにおける25.0%の改善,およびARIにおける18.2%の改善を達成した。結果として,提案したオートエンコーダに基づくエンジン,FAEは,多様な故障トレースから有用な情報を抽出するために機械学習を適用し,より焦点を合わせたデバッギングによる故障結合に効果的である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *故障 ,  信頼度 ,  純度 ,  クラスタ化 ,  *デバッギング ,  *符号器 ,  ソフトウェア障害 ,  高次元 ,  機械学習
準シソーラス用語： 特徴空間 ,  自己符号化器 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 検証 ,  デバッギング ,  RTL ,  設計 ,  符号器 ,  故障 ,  ビンニング