본 논문은 SoC 설계 검증의 어려움을 해결하기 위해 지도 학습 기반의 새로운 검증 방법론을 제안합니다. 기존의 Constrained Random Verification (CRV) 및 coverage-driven 방법론은 시간 소모적이고 중복된 시뮬레이션 회귀 분석에 의존하여 검증 비용 증가와 출시 기간 지연을 초래합니다. 제안된 방법론은 지도 학습을 활용하여 시뮬레이션 회귀 분석을 최적화하여 시뮬레이션 실행 시간과 목표 적용 범위 달성에 필요한 테스트 시뮬레이션 수를 줄입니다. scikit-learn의 다양한 지도 학습 알고리즘의 효과를 비교 분석하고, Python Universal Verification Methodology (PyUVM)을 사용하여 테스트벤치를 생성하여 기존 ML 라이브러리의 재사용을 용이하게 합니다. 세 가지 다양한 설계에 적용한 결과, 검증 비용과 수작업, 출시 기간을 크게 줄이고 검증 생산성과 완성도를 향상시키는 것을 보여줍니다.
