[发明专利]一种基于随机森林模型的集成电路X值灵敏度预测方法

摘要

本发明公开了一种基于随机森林模型的集成电路X值灵敏度预测方法，其步骤包括：1对电路原始网表进行综合生成电路门级网表；2通过电路门级网表计算每个逻辑门的等级和深度；3根据每个输入端口为X值时的不同拓扑结构对电路进行区域划分；4根据不同区域的重要性提取电路在不同输入端口为X值时的结构特征；5通过ATPG工具计算不同输入端口为X值时的测试覆盖率损失，并结合提取的结构特征形成样本数据集合；6通过随机森林模型对样本数据集合进行训练和预测。本发明能快速准确地预测电路中不同输入端口为X值时造成的测试覆盖率损失从而达到降低电路设计防护X值模块时的硬件开销，提升电路测试质量的目的。

主权项

1.一种基于随机森林模型的集成电路X值灵敏度预测方法，其特征是按如下步骤进行：/n步骤一、获取原始电路网表集合C＝{C₁,...,C_c,...,C_|C|}，其中，C_c表示第c个电路，1≤c≤|C|；/n对所述原始电路网表集合C中的每个电路进行综合处理，得到综合后的电路门级网表集合S＝{S₁,...,S_s,...,S_|S|}，其中，S_s表示综合后的第s个电路门级网表，1≤s≤|S|；/n令第s个电路门级网表S_s的输入端口集合为I_s，且其中，I_s,k表示第s个电路门级网表S_s中第k个输入端口，1≤k≤T_s；/n将第s个电路门级网表S_s各个输入端口的X值输入情况记为CX_s,k表示第s个电路S_s中有且仅有第k个输入端口I_s,k为X值；/n步骤二、令第s个电路门级网表S_s的输出端口集合为其中，O_s,d表示第s个电路门级网表S_s的第d个输出端口，1≤d≤D_s；/n令第s个电路门级网表S_s的逻辑门集合为其中，G_s,i表示第s个电路S_s中的第i个逻辑门，1≤i≤L_s；/n令FI_s,i表示第i个逻辑门G_s,i的扇入逻辑门集合，令FO_s,i表示第i个逻辑门G_s,i的扇出逻辑门集合，则根据第s个电路门级网表S_s的逻辑结构计算相关的基本参数，包括第i个逻辑门G_s,i的等级和第i个逻辑门G_s,i的深度表示第i个逻辑门G_s,i的扇入逻辑门等级集合，表示第i个逻辑门G_s,i的扇入逻辑门深度集合；/n步骤三、根据每个输入端口的拓扑逻辑结构对第s个电路门级网表S_s进行区域划分：/n步骤3.1、在第s个电路门级网表S_s中仅有第k个输入端口I_s,k为X值时，令第k个输入端口I_s,k的X值输入情况CX_s,k下的X值传播区域为其中，表示第k个输入端口I_s,k扇出到所有输出端口路径上经过的逻辑门；/n步骤3.2、在第s个电路门级网表S_s中仅有第k个输入端口I_s,k为X值时，令第k个输入端口I_s,k的X值输入情况CX_s,k下的X值间接影响区域为其中，表示X值传播区域XPA_s,k的扇入逻辑门集合，表示逻辑门的扇入，并且不属于X值传播区域XPA_s,k的逻辑门；/n步骤3.3、在第s个电路门级网表S_s中仅有第k个输入端口I_s,k为X值时，令第k个输入端口I_s,k的X值输入情况CX_s,k下的X值无关区域为其中表示属于X值无关区域XUA_s,k集合中的逻辑门，是第s个电路门级网表S_s的逻辑门集合G_s中除了X值传播区域XPA_s,k和X值间接影响区域XSIA_s,k集合之外剩余的逻辑门；/n步骤四、根据第s个电路门级网表S_s的第k个输入端口I_s,k的X值输入情况CX_s,k下的区域划分结果X值传播区域XPA_s,k，X值间接影响区域XSIA_s,k和X值无关区域XUA_s,k，提取第s个电路门级网表S_s对应的各项结构特征：/n步骤4.1、提取第s个电路门级网表S_s的总体特征，包括：逻辑门总数D_s＝|G_s|和输出端口总数L_s＝|O_s|，且第s个电路门级网表电路S_s中所有X值输入情况下的逻辑门总数D_s和输出端口总数L_s均相同；/n步骤4.2、令第s个电路门级网表S_s中第i个逻辑门G_s,i的X深度为XDP_s,i，表示从第i个逻辑门G_s,i到第k个输入端口I_s,k的深度，且更新第i个逻辑门G_s,i的扇入逻辑门集合FI_s,i为FI′_s,i＝FI_s,i∩XPA_s,k；/n令X值传播区域XPA_s,k内的逻辑门总数为N_s,k，提取X值传播区域XPA_s,k的特征，包括：/n1)X值传播区域XPA_s,k的输出端口数量表示X值传播区域XPA_s,k的输出端口，即/n2)X值传播区域XPA_s,k的输出端口的X深度平均值其中，表示X值传播区域XPA_s,k中第i个输出端口的X深度；/n3)X值传播区域XPA_s,k的平均扇入其中，表示X值传播区域XPA_s,k中第i个逻辑门的扇入数量；/n4)X值传播区域XPA_s,k中X深度为“1”的逻辑门数量表示X值传播区域XPA_s,k中X深度为“1”的逻辑门；/n步骤4.3、提取第s个电路门级网表S_s的第k个输入端口I_s,k的X值输入情况CX_s,k下的辅助特征，包括：/n1)X值间接影响区域XSIA_s,k的逻辑门数量表示X值间接影响区域XSIA_s,k的输出端口，即/n2)X值传播区域XPA_s,k中逻辑门输入来自X值间接影响区域XSIA_s,k的平均等级表示存在扇出逻辑门属于X值传播区域XPA_s,k的X值间接影响区域XSIA_s,k中的逻辑门，M_s,k表示存在扇出逻辑门属于X值传播区域XPA_s,k的X值间接影响区域XSIA_s,k中的逻辑门数量；/n3)X值间接影响区域XSIA_s,k的输入端口数量T_s⁽²⁾，/n步骤五、使用ATPG工具计算电路门级网表集合S中每个电路门级网表的每种X值输入情况下的测试覆盖率TC＝{TC₁,...,TC_s,...,TC_|S|}，其中，TC_s表示第s个电路门级网表S_s的所有输入端口的X值输入情况CX_s的测试覆盖率，且TC_s,k表示第s个电路门级网表S_s在第k个输入端口I_s,k的X值输入情况CX_s,k下的测试覆盖率；/n令第s个电路门级网表S_s在第k个输入端口I_s,k的X值输入情况CX_s,k下的测试覆盖率损失从而得到第s个电路门级网表S_s的测试覆盖率损失集合/n以所述步骤四中在第k个输入端口I_s,k的X值输入情况CX_s,k下提取的各项结构特征作为样本点的特征，对应的DT-Loss_s,k作为样本点的标签，构成第s个电路门级网表S_s在X值输入情况CX_s,k下的样本数据从而得到电路门级网表集合S中每个电路门级网表集合的每种X值输入情况的样本数据并作为预测的样本数据集合Sample；/n步骤六、根据样本数据集合Sample，使用随机森林算法对预测模型PM进行训练，从而得到X值灵敏度预测模型，用于实现X值灵敏度的预测。/n