MétaCan
Menu
Retour à la cohorte
Enregistrement W4283708895 · doi:10.1109/isqed54688.2022.9806199

Layout-based Vulnerability Analysis of LEON3 Processor to Single Event Multiple Transients using Satisfiability Modulo Theories

2022· article· en· W4283708895 sur OpenAlexaff
Sowmith Nethula, Vivek Bansal, Ghaith Bany Hamad, Otmane Aı̈t Mohamed

Notice bibliographique

Revue2022 23rd International Symposium on Quality Electronic Design (ISQED) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRadiation Effects in Electronics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésModuloEvent (particle physics)Soft errorComputer scienceAdjacency listXeon PhiApplication-specific integrated circuitFault injectionVulnerability (computing)Parallel computingReliability (semiconductor)AlgorithmComputer hardwareArithmeticMathematicsEngineeringElectronic engineeringDiscrete mathematicsSoftwarePhysics

Résumé

récupéré en direct d'OpenAlex

With the reduction in transistor size, the radiation-induced soft error phenomenon in electronic circuits has become a significant reliability concern. In newer technologies, a high energy particle strike can affect multiple cells resulting in Single Event Multiple Transients (SEMTs). For an event affecting n cells horizontally, the SEMT pattern will be aliased as SEMTn. In this paper, we present a framework to estimate the SEMT vulnerability of the LEON3 processor by using Satisfiability Modulo Theories. This framework considers layout-based cell adjacency as error sites and includes the Electrical, Logical masking factors while estimating the vulnerability. The results indicate an overall average SEMT fault propagation probabilities of 30% and 54% due to the effects of SEMT3 and SEMT4, respectively. The total time to analyze the fault effects following our methodology is approximate 8.5 hours for the LEON3 ASIC Core on a server with 160 x Intel(R) Xeon(R) 10-core E7-8870 CPU running at 2.40GHz and with 1 TB of Main Memory.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,292
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 23rd International Symposium on Quality Electronic Design (ISQED)Même sujetRadiation Effects in ElectronicsTravaux en français237 207