基于深度强化学习的集成电路测试参数调优方法及系统与流程
本申请涉及强化学习,尤其涉及基于深度强化学习的集成电路测试参数调优方法及系统。
背景技术:
1、集成电路测试通常采用统一的静态测试参数,无法根据芯片个体失效风险进行动态调整,导致高风险芯片测试不足、低风险芯片资源浪费,且难以捕捉失效模式间的关联触发,易造成漏检。现有方法多基于规则或开环优化,缺乏对测试反馈的持续自学习能力,难以在高维参数空间中精细寻优。深度强化学习虽有决策优势,但直接应用存在探索动作超出硬件安全边界导致器件损伤的风险,且在线试错成本高昂。因此,亟需一种融合失效关联知识、在安全约束下具备闭环自学习能力的测试参数调优方法。
技术实现思路
1、本申请通过提供基于深度强化学习的集成电路测试参数调优方法及系统,解决了现有技术中测试参数固定、无法动态适应芯片差异,测试资源分配盲目,物理试错风险高的技术问题。
2、本申请提供基于深度强化学习的集成电路测试参数调优方法,所述方法应用于基于深度强化学习的集成电路测试参数调优系统,该方法包括:根据集成电路测试样本集搭建失效模式相关性图谱,并根据所述失效模式相关性图谱预测待测集成电路对应的失效状态向量;根据所述失效状态向量,将所述待测集成电路的静态测试参数约束转化为动态测试参数约束空间;获取测试设备状态信息,结合测试参数深度强化模型和所述失效状态向量对所述动态测试参数约束空间进行测试动作收益寻优,获取目标测试参数组合;根据安全投影层对所述目标测试参数组合进行安全裕度修正和设备保护规则校验,获取调优测试参数组合;根据所述调优测试参数组合执行所述待测集成电路的仿真测试,建立强化学习奖惩向量;根据所述强化学习奖惩向量引导所述测试参数深度强化模型对所述调优测试参数组合进行奖惩闭环调优,获取最优测试参数组合,并根据所述最优测试参数组合执行所述待测集成电路的测试。
3、本申请还提供了基于深度强化学习的集成电路测试参数调优系统,该系统包括:失效分析模块,用于根据集成电路测试样本集搭建失效模式相关性图谱,并根据所述失效模式相关性图谱预测待测集成电路对应的失效状态向量;静态约束转化模块,用于根据所述失效状态向量,将所述待测集成电路的静态测试参数约束转化为动态测试参数约束空间;测试动作收益寻优模块,用于获取测试设备状态信息,结合测试参数深度强化模型和所述失效状态向量对所述动态测试参数约束空间进行测试动作收益寻优,获取目标测试参数组合;修正校验模块,用于根据安全投影层对所述目标测试参数组合进行安全裕度修正和设备保护规则校验,获取调优测试参数组合;仿真测试分析模块,用于根据所述调优测试参数组合执行所述待测集成电路的仿真测试,建立强化学习奖惩向量;奖惩闭环调优模块,用于根据所述强化学习奖惩向量引导所述测试参数深度强化模型对所述调优测试参数组合进行奖惩闭环调优,获取最优测试参数组合,并根据所述最优测试参数组合执行所述待测集成电路的测试。
4、本申请提出了基于深度强化学习的集成电路测试参数调优方法及系统,通过失效模式相关性图谱预测待测集成电路对应的失效状态向量;根据失效状态向量,将待测集成电路的静态测试参数约束转化为动态测试参数约束空间;获取测试设备状态信息,结合测试参数深度强化模型和失效状态向量对动态测试参数约束空间进行测试动作收益寻优,获取目标测试参数组合;根据安全投影层对目标测试参数组合进行安全裕度修正和设备保护规则校验,获取调优测试参数组合;根据调优测试参数组合执行待测集成电路的仿真测试,建立强化学习奖惩向量;根据强化学习奖惩向量引导测试参数深度强化模型对调优测试参数组合进行奖惩闭环调优,获取最优测试参数组合,并根据最优测试参数组合执行待测集成电路的测试。解决了现有技术中测试参数固定、无法动态适应芯片差异,测试资源分配盲目,物理试错风险高的技术问题。实现了测试参数对芯片失效风险的动态自适应调优,驱动测试资源向高风险失效模式聚焦,并在安全投影层的约束下消除了强化学习在物理测试中的试错风险。
1.基于深度强化学习的集成电路测试参数调优方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,根据集成电路测试样本集搭建失效模式相关性图谱,包括:
3.如权利要求1所述的方法,其特征在于,根据所述失效模式相关性图谱预测待测集成电路对应的失效状态向量,包括:
4.如权利要求1所述的方法,其特征在于,根据所述失效状态向量,将所述待测集成电路的静态测试参数约束转化为动态测试参数约束空间,包括:
5.如权利要求1所述的方法,其特征在于,获取测试设备状态信息,结合测试参数深度强化模型和所述失效状态向量对所述动态测试参数约束空间进行测试动作收益寻优,获取目标测试参数组合,包括:
6.如权利要求1所述的方法,其特征在于,根据所述调优测试参数组合执行所述待测集成电路的仿真测试,建立强化学习奖惩向量,包括:
7.如权利要求1所述的方法,其特征在于,根据所述强化学习奖惩向量引导所述测试参数深度强化模型对所述调优测试参数组合进行奖惩闭环调优,获取最优测试参数组合,包括:
8.基于深度强化学习的集成电路测试参数调优系统,其特征在于,所述系统用于实施权利要求1至7任意一项所述的方法,所述系统包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com