基本信息:
- 专利标题： 一种基于机器学习的高效率集成电路可测性设计方法
- 申请号：CN202110440277.6 申请日：2021-04-23
- 公开(公告)号：CN113128147A 公开(公告)日：2021-07-16
- 发明人： 杨涵 , 蔡志匡 , 王子轩 , 郭静静 , 赵泽宇 , 汤谨溥 , 郭宇锋
- 申请人： 南京邮电大学
- 申请人地址： 江苏省南京市栖霞区文苑路9号
- 专利权人： 南京邮电大学
- 当前专利权人： 南京邮电大学
- 当前专利权人地址： 江苏省南京市栖霞区文苑路9号
- 代理机构： 南京禹为知识产权代理事务所
- 代理人： 王晓东
- 主分类号： G06F30/333
- IPC分类号： G06F30/333 ; G06F30/337 ; G06F30/27 ; G06F111/06 ; G06F119/06
摘要：
本发明公开了一种基于机器学习的高效率集成电路可测性设计方法，包括，对不同参数进行配置，利用工具插入扫描链、自动测试向量生成及功耗分析，收集运行结果；将所述收集结果读入基于机器学习的预测模型中设置参数，得到预测值；合并所有的所述预测值和所述收集运行结果存储为csv文件，启动预测最优配置模型，得到设计需求的最优配置。本发明方法达到保证高测试覆盖率的同时运行时间少、低功耗、低面积开销的目的。
公开/授权文献:
- CN113128147B 一种基于机器学习的集成电路可测性设计方法 公开/授权日：2022-02-11
IPC结构图谱:
| G06F30/333 | 可测试性设计 |