基于人工智能方法的多核处理器大规模仿真验证技术研究

仿真验证是多核处理器研发中面临的重大挑战，是确保流片成功的一个至关重要的环节。传统的单核处理器验证技术虽能处理规模适中的单核设计，但在十亿晶体管级的复杂多核处理器设计面前则显得无能为力。本项目突破传统的单核仿真验证框架，提出进化算法和机器学习算法紧密耦合、平等协作的大规模仿真验证技术。该技术将进化算法用于生成大规模测试程序（待验证处理器设计的输入），机器学习算法用于快速辨识测试程序的质量。只有高质量的测试程序才能参与仿真，从而显著减少了验证平台耗费的仿真资源，提高了验证的效率。值得一提的是，在生成测试程序时，本项目拟引入求解高维优化问题的进化算法。与仅能处理较小规模测试程序的传统单核验证技术相比，该技术能处理包含数百条指令的大规模并行测试程序，因而更适用于多核处理器的复杂设计。本项目通过上述研究，将实现一个高效自动的片上多核处理器大规模仿真验证平台，切实服务于国产片上多核处理器的验证。

本项目基于人工智能方法研究多核处理器验证和设计的关键技术，为国产多核处理器建立了一个实用、可靠、高效的大规模功能验证平台，切实服务于龙芯处理器的研发。在论文发表方面，本项目组在ASPLOS、ISCA、MICRO、HPCA等会议和TOCS、TC、TPDS、TCAD、TEC等期刊上累计发表论文40余篇（SCI 19篇，EI 22篇），其中CCF A类期刊/会议论文12篇（HPCA'12、ISCA'14、MICRO'14、ASPLOS'14、ASPLOS'15、1 TOCS、3 TC、2 TPDS、1 TIP）。相关成果获CCF A类会议ASPLOS'14和MICRO'14的最佳论文奖。