2020 Fiscal Year Research-status Report
マルチモデルサンプリングに基づくSoCの欠陥レベル見積り及び削減法
| Project/Area Number |
19K11884
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
新井 雅之 日本大学, 生産工学部, 准教授 (10336521)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 欠陥レベル見積り / 欠陥レベル削減 / DPPM / LSI欠陥位置推定 |
|---|
| Outline of Annual Research Achievements |
初年度の成果より，モデル化困難な欠陥の位置を推定し，これらの振舞いを解析してテストパターンを生成することがDPPM削減に効果的であることが明らかとなった．そこで本年度は主に(1)CNNを用いたLSIレイアウト上の欠陥位置推定法の検討および評価，(2)ゲート網羅テストのためのテストパターン生成法，の2点に注力して研究を進めた．
(1)に関しては，LSIレイアウトデータを画像クリップとして切り出し，少数の実欠陥位置情報に基づいて，各画像クリップの欠陥リスクの有無を判定する手法について検討した．また，画像クリップのサイズを変更した場合のリスク判定および誤判定の精度について検討した．さらに，各画像クリップのリスク確率をもとにヒートマップを作成し，レイアウト上の高リスク位置の可視化を行う手法について検討した．本テーマに関して2件の原著学術論文を発表し，うち1本は掲載論文誌にてBest Paper Award Honorable Mentionを受賞した．
(2)に関しては，各論理ゲートに対して可能な全パターンを印可することを目的とするゲート網羅テストにおいて，テストパターン数の削減を目的として，Partial MaxSATを用いた多重故障対象テスト生成法の検討を行い，成果の一部を査読付き国際会議論文として発表した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
欠陥レベル見積法の改善には着手しなかったものの，DPPM削減に効果的と考えられる欠陥位置推定技術を確立し，その評価を行うことができた．また，当初の予定通り，対象故障を絞り込むテストパターン生成法の検討に着手し，その成果の一部を発表した．
|
| Strategy for Future Research Activity |
CNNを用いた欠陥位置推定法に関して，(1)GAN等の手法を用いた実欠陥位置情報の拡張，(2)CNNマルチモデル化，の両面から推定精度の向上を狙い，得られた欠陥候補の特徴抽出を行ってテストパターン生成法の確立を目指す予定である．
|
| Causes of Carryover |
COVID-19の影響により，予定していた研究打ち合わせ，アルバイト雇用，学会発表のための出張等が中止となり，また国際会議参加費も大幅な減額となったため．
2021年度も引き続き国際会議発表等，当初の予定通り研究計画および予算執行を遂行することが困難な状況とみられるため，研究期間の延長を申請し2022年度以降に予算執行することを考えている．
|
