融合拓扑相变分析的分解式模型诊断方法研究

Model based diagnosis methods make an important role in the AI theory research as well as the development of integrated circuit, leading to more attentions in the fields of academics and industry. However, with the growth of the scale of circuit in terms of the famous Moore's law, it will hinder the fast and great development of integrated circuit unless there is a major breakthrough in model based diagnosis.. Previous diagnostic methods fail to make use of the information of the topological structure and logical function. Based on this point, this project exploits the information of the topological structure and obtains the topological phase transition analysis, resulting in designing a decomposition-based diagnosis method. First, we extract the information of the topological structure and logical function from the diagnosis system as well as construct the relative topological and functional graph and after then study the phase transition of model-based diagnosis problem. For some harder problems, we use a decomposition-based diagnosis method under the guidance of researching topological phase transition, further improving the solving scale of the diagnosis problem, while for some small problems we use this method to reduce the solving scale and decrease the iteration number for greatly improving the real effectiveness of our method. . The achievement of this project is expected to enrich and develop the theory and method of related research, and more important the achievement can effectively solve some challenge problems in the model based diagnosis.

基于模型诊断方法对人工智能基础理论研究和集成电路产业发展具有重要推动作用，已受到学术界、工业界的广泛重视。然而，随着集成电路规模呈摩尔规律的爆炸式增长，若模型诊断研究领域没有重大技术突破，其将成为未来集成电路快速发展的重大障碍之一。.现有的诊断方法未能充分利用模型中拓扑结构和逻辑功能等诸多信息，本项目拟挖掘模型的拓扑结构等信息，研究诊断问题的拓扑相变规律及其指导下的分解式诊断方法。提取模型拓扑结构、逻辑功能等内在信息，构建模型对应的拓扑图和功能图，在此基础上研究诊断问题相变规律。对于难解诊断问题研究拓扑相变指导下基于分解式的诊断求解方法，进一步提升可处理诊断问题的规模；在易解诊断问题处理方面，给出拓扑相变指导的缩减问题求解规模和减少迭代求解次数的优化诊断方法，以显著提高诊断的实际执行效率。.项目的预期成果将丰富和拓展拓扑相变研究的理论与方法，有效解决模型诊断方法面临的挑战性技术难题。

基于模型诊断方法是为了克服传统模拟方法的缺陷而兴起的智能技术，对人工智能领域的理论研究和集成电路产业发展具有重要推动作用。然而，基于模型诊断方法和技术无法满足当前超大规模集成电路发展的需要，诊断过程已成为集成电路工业设计流程的瓶颈。.本项目拟研究拓扑相变下分解式MBD求解方法，进而提升MBD可处理问题的规模，进一步提高其诊断求解效率。本项目根据申请报告和研究计划书对结合拓扑和功能信息的诊断方法进行了研究，主要进展和取得的成果包括：①提出结合拓扑结构、逻辑功能信息的诊断方法；②提出结合拓扑和功能相变指导下的碰集和诊断求解方法；③提出结合拓扑相变的MUS的分解方法;④提出基于分解的冲突集和MBD的求解方法；⑤提出结合部分诊断解和完全解的测试集求解方法；⑥提出拓扑和结构指导下MBD优化求解方法；⑦开发了实验原型系统和获得了3项国家授权发明专利。项目组给出的上述系列方法显著提高诊断求解效率，提升了可处理诊断问题的规模。在超额完成项目计划情况下，项目组还对与本项目研究内容相关的离散事件系统模型诊断、结合结构特征的本体调试等领域进行了研究。本项目取得的成果进一步丰富了基于模型诊断的理论与方法，显著提高其实用性，对集成电路产业发展具有重要推动作用。.在本项目的支持下，项目组提出的方法在国内外核心以上期刊和学术会议上发表和接受论文50多篇，其中30多篇发表在《AAAI》、《Information Sciences》、《SCIENCE CHINA Information Sciences》、《NEURAL NETWORKS》、《Frontiers of Computer Science》、《Tsinghua Science and Technology》、《Expert Systems with Applications》、《Engineering Applications of Artificial Intelligence》、《Applied Intelligence》、《Neural Computing and Applications》、《中国科学:信息科学》、《软件学报》、《计算机学报》、《计算机研究与发展》和《电子学报》等国内外权威期刊上和会议上。