利用自适应重要性抽样方法对逻辑电路进行快速且精确的单事件瞬态可靠性分析

《ACM Transactions on Design Automation of Electronic Systems》：A Fast and Accurate Single-Event Transient Reliability Analysis of Logic Circuits Using Adaptive Importance Sampling Method

纳米级集成电路可靠性评估中，为解决蒙特卡洛方法方差大问题，提出自适应重要采样（AIS）方法，通过迭代优化采样区域提升效率与精度。同时设计NFIT工具支持快速故障注入和多维可靠性分析，实验表明AIS较蒙特卡洛加速18倍，并发现电路结构与关键门加固对可靠性的显著影响。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

在纳米级集成电路中，可靠性已成为对空间和安全至关重要的应用的主要设计指标之一。这使得可靠性评估过程成为电路设计流程中不可或缺的一部分。蒙特卡洛方法通常采用随机抽样来进行单事件瞬态可靠性评估，这会导致估计的可靠性存在较大方差。为了解决这个问题，我们开发了一种自适应重要性抽样（AIS）方法，用于设计的早期阶段。AIS通过多次迭代调整抽样区域，从而可能提高效率和准确性。此外，我们还提出了一种快速的故障注入方法，以支持逻辑电路的自适应重要性抽样和多维可靠性分析。我们还设计了一个名为NFIT的开源网表级故障注入工具。在ISCAS’85、EPFL和ALS基准测试套件上，与蒙特卡洛方法相比，AIS方法的收敛速度提高了多达18倍。我们使用NFIT工具来评估电路结构和针对性加固对电路可靠性的影响。结果表明，对于相同的布尔函数，电路结构对可靠性有显著影响。研究还表明，加固少数关键门电路可以显著提高电路可靠性。

人工智能摘要

人工智能生成的摘要（实验性)

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助发现、评估相关性，并协助来自相关研究领域的读者理解本文的工作。它旨在补充作者提供的摘要，后者仍然是论文的官方摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由人工智能生成的通俗语言摘要，您必须具有高级访问权限。