A multi-abstraction level platform for the validation and verification of complex digital designs
Bibliographic record
Abstract
La validation et la vérification de circuits numériques sont aujourd'hui considérées comme les plus imposants défis que doivent relever les ingénieurs de conception. D'une complexité toujours croissante, les circuits numériques sont devenus depuis quelques années des systèmes entiers sur puce de silicium. Composés de plusieurs fonctions et d'une capacité de calcul phénoménale, la vérification de ces systèmes-sur-puce peut consommer près de 70% du temps total alloué à un projet. La conception de systèmes numériques complexes exige une modélisation à plusieurs niveaux d'abstraction, ce qui exige l'utilisation de plusieurs langages et outils de conception. Ceci a pour conséquence d'alourdir considérablement le développement d'environnement de vérification fiable et efficace.Cette dissertation concerne la problématique de la validation et la vérification de systèmes numériques complexes. De nouveaux mécanismes pour concilier les niveaux d'abstraction ainsi qu'une méthodologie de vérification basée sur la simulation sont développés dans le but de réduire le temps associé à la vérification tout en augmentant la qualité de cette dernière.Le premier mécanisme développé est une interface de cosimulation entre MATLAB/Simulink et SystemC appelée SimSyC. Le but premier de cette interface est de relier le niveau d'abstraction algorithmique aux niveaux inférieurs. De cette façon, il est possible de réutiliser les modèles haut niveau pour la validation et la vérification des modèles au niveau de l'architecture du système ou du transfert des registres. Le temps de développement des bancs d'essais est considérablement réduit par la réutilisation des modules d'analyse et de génération de données. L'utilisation de la librairie de blocs pré-vérifiés de Simulink augmente la qualité et l'efficacité du banc d'essais. De plus, SimSyC permet d'utiliser les librairies spécialisées ainsi que l'interface graphique de Sim
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".