Bin Sun, Rengang Zhang, Zhiteng Chao, Zizhen Liu, Jianan Mu, Jing Ye, Huawei Li
개요
InF-ATPG는 자동 테스트 패턴 생성(ATPG)의 효율성을 개선하기 위한 지능형 FFR 기반 ATPG 프레임워크입니다. 반도체 기술 발전으로 인한 전통적인 ATPG의 실행 시간 문제를 해결하기 위해, 회로를 Fanout-Free Region(FFR)으로 분할하고, QGNN 아키텍처를 활용하여 강화 학습(RL)을 통해 테스트 패턴 생성 효율을 높입니다. 실험 결과, InF-ATPG는 기존 방법 대비 평균 55.06%, 머신러닝 기반 방법 대비 38.31%의 백트랙 감소를 보이며, 결함 커버리지 또한 향상되었습니다.
시사점, 한계점
•
시사점:
◦
회로를 FFR로 분할하여 복잡성을 줄이고, RL의 효율성을 향상시킴.
◦
ATPG 특화 기능을 QGNN에 통합하여 회로 표현력 개선.
◦
전통적인 ATPG 및 머신러닝 기반 ATPG 방법론 대비 성능 향상 입증.
•
한계점:
◦
논문에 구체적인 한계점 언급 없음. (다만, 논문 초록에서 구체적인 한계점을 직접적으로 제시하지 않음.)
