文档名：基于机器学习的高效率集成电路DFT技术研究
摘要：本文提出了一种基于机器学习的高效率集成电路可测性设计技术.该技术以自动收集的数据作为训练集,以决定系数为评价指标,为每类目标参数选择出最佳预测模型,并预测出基于不同配置参数的可测性设计结构所对应的目标参数,最后使用最优配置推断技术,以目标参数差值的加权和作为衡量指标,输出最优的可测性设计配置参数.实验数据表明,针对可测性设计技术中最重要的测试覆盖率参数,平均预测误差仅为0.0756％;根据目标参数差值的加权和的最小值情况,实现高效推断芯片可测性设计的最优配置参数.该技术的预测效果具有高可靠性,能够在保证高测试覆盖率的前提下,有效减少测试成本和面积开销等.
作者：蔡志匡 赵泽宇 杨涵 王子轩 郭宇锋 Author：CAIZhi-kuang ZHAOZe-yu YANGHan WANGZi-xuan GUOYu-feng
作者单位：南京邮电大学集成电路科学与工程学院,江苏南京210023;南京邮电大学射频集成与微组装技术国家地方联合工程实验室,江苏南京210023南京邮电大学集成电路科学与工程学院,江苏南京210023
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(12)
分类号：TN47TP181
关键词：可测性设计 测试压缩 测试覆盖率 测试时间 机器学习
Keywords：designfortest testcompression testcoverage testtime machinelearning
机标分类号：TN407TP311.52O211.4
在线出版日期：2024年3月13日
基金项目：基于机器学习的高效率集成电路DFT技术研究[
期刊论文] 电子学报--2023, 51(12)蔡志匡 赵泽宇 杨涵 王子轩 郭宇锋本文提出了一种基于机器学习的高效率集成电路可测性设计技术.该技术以自动收集的数据作为训练集,以决定系数为评价指标,为每类目标参数选择出最佳预测模型,并预测出基于不同配置参数的可测性设计结构所对应的目标参数,...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于机器学习的高效率集成电路DFT技术研究 Research on High-Efficiency Integrated Circuit DFT Technology Based on Machine Learning
基于机器学习的高效率集成电路DFT技术研究.pdf
- 文件大小:
- 2.76 MB
- 下载次数:
- 60
-
高速下载
|
