科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对已有的测试向量选择方法采用串行程序实现,难以应对测试程序时间及测试数据量迅速增加的问题,提出一种基于GPU的测试向量选择方法,用于高效地从大测试向量集(n倍检测的测试向量集或随机的测试向量集)中选择出较高测试质量的测试向量.在考虑受限的测试时间?成本的条件下,采用GPU编程将测试向量选择过程并行化,以最大化1n倍检测覆盖率为目的,将测试向量按照故障检测能力从大到小排序,从而在实际芯片测试时能够尽快淘汰故障芯片,减少测试时间.实验结果表明,与国际上考虑n倍检测的测试选择工作相比,该方法获得了21.9倍加速;与商业工具产生的同样大小的测试集相比,该方法得到的测试集具有更好的1n倍检测覆盖率(平均提升3.2%8.3%),同时也能获得更加陡峭的故障覆盖率曲线.
-
单位中国科学院大学; 中国科学院计算技术研究所; 计算机体系结构国家重点实验室
