MB-FICA: An ADL framework for multi-bit fault injection and coverage analysis
Notice bibliographique
Résumé
Safety-critical systems (SCS) may experience soft errors due to upsets caused by externalevents such as cosmic rays, packaging radiation and thermal neutrons. Traditional errormodeling techniques often only address single bit corruptions and analysis based on populartechniques such as architectural vulnerability factor (AVF) treat each bit as independent.However recent studies have shown a dramatic increase in multi-bit upset (MBU) wherethe failure of a single bit is highly correlated with its neighboring bits. This phenomenon isdue to shrinking transistors and resulting increases in transistor density, making a particlestrike capable of corrupting multiple bits at a time. To assist designers with MBU mitigation in microprocessor register les (RF), we havedeveloped a novel framework (available at http://bhm.ece.mcgill.ca/~mb-fica) to simulate and analyze the eect of MBU and the eectiveness of fault tolerance techniques.Unlike the prior work, our approach performs fault injection in microarchitecture includingmitigation technologies and simulates the consequent behavior of the system running various benchmarks. In this framework, we consider (a) the eect of SRAM layout on MBUpatterns, (b) the data-dependent nature of transient upsets, and (c) runs benchmarks tocompletion to accurately evaluate fault coverage under dierent mitigation techniques. Fault injection is computationally expensive, especially in the context of MBU; consequently, we propose a suite of fault injection acceleration techniques that reduce theexecution time of individual trials by only simulating mitigation techniques when faults arepresent, and stopping simulation entirely when all errors have been detected or corrected.When evaluating parity, SECDED, and 2-bit 2D ECC, our results demonstrate a speedupin the fault injection performance of 14x on average, and up to nearly 60x in one case.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».