DSO.ai
由人工智慧驱动的设计应用
瞭解更多 →
藉由AI驅動的測試優化工具 解決半導體測試成本和设计時程壓力問題
英文原文：
2024年2月8日於《Semiconductor Engineering》刊登
设计過程中的測試左移(shift left) 如何提高應用AI產生優化測試向量(pattern)的效果
人工智慧已成為一種無所不在的技術，廣泛被應用以解決當今的複雜問題，特別是在涉及人們力有未逮的指數級增長的數據量、數據分析及相應的決策方面。因此，半導體设计、測試和製造中的複雜挑戰，非常適合應用人工智慧。
採用先進製程節點技術和異質整合導致製造測試成本飆升，主要是因為需要從消費性产物、高性能計算(HPC) 和汽車等各種應用中篩選出可靠的零件。這些測試成本包括不同階段的生產測試成本，例如晶圓測試、封裝測試(ATE)、燒機測試(burn-in test)和系統級測試(SLT)。如圖1所示，業界每年在測試上花費數十億美元。2019年的總測試成本為104億美元，預計到2025年將上升至接近150億美元。
製造測試成本與每個階段所花費的測試時間成正比，而大部分的測試時間都用於結構測試，如掃描(ATPG)測試向量。測試向量的數量及其數據量已經呈指數級增長，才能滿足對較低DPPM(每百萬個缺陷零件)水準的需求。傳統的固定型故障(stuck-at fault)和轉態延遲故障(transition-delay fault)模型已經無法達到期望DPPM目標值。現在的測試需要更多測試向量可針對進階的故障模型，如單元認知(cell-aware)、功耗感知(power-aware)、寬容度(slack-based)等進行測試。對於在大量生產中(HVM)節省測試成本，每一秒都很關鍵。因此，设计測試/診斷/良率的團隊和产物測試工程團隊，不斷尋找新的創新構想來降低測試成本。
圖 1: VLSI Research發表的測試成本預測 (來源：)
以更少的測試向量達到所需的測試覆蓋率和測試品質是DFT團隊持續面臨的挑戰，通常需要專業用戶的參與和長時間且繁瑣的迭代過程來微調不同的參數，以產成最佳的ATPG向量套組。此外，為了進一步優化測試向量數量並減少數據量，需要優化測試配置(如掃描輸入、掃描輸出、掃描鏈的數量)。找出一個能針對每個设计核心客製的最佳測試配置，也是一項費力且具有挑戰性的任務。
圖 2: 草榴社区 TSO.ai 利用人工智慧及機器學習(AI/ML)提升可測試性设计(DFT)和自動測試向量生成(ATPG)
草榴社区的TSO.ai是一項由人工智慧驅動的測試空間優化解决方案。它利用人工智慧來優化邏輯閘層級網表(gate-level netlist)上的ATPG向量生成，減少生產測試向量和測試成本；運用這項功能平均可以減少25%的向量數量。最近新增的功能讓工程師能夠藉由整合草榴社区 TestMAX分散式ATPG功能，智慧化地將測試運行分配到多台機器並進行管理，以進一步加速測試向量生成。然而，由於ATPG的功能是針對邏輯閘層級網表，在DFT測試配置已經固定的情況下，僅能藉由在DFT規劃階段優化測試配置，達到減低額外的測試向量數量目標。
圖 3: 採用草榴社区 TSO.ai 對DFT進行規劃及優化
草榴社区 TSO.ai增加初期DFT規劃階段的效能，可以優化不同參數的測試配置，包括掃描鏈的數量、掃描輸入、掃描輸出等。使用者可以在RTL階段的初期進行快速的假設分析，以滿足其測試覆蓋率和測試時間目標，並在單通道合成流程中的邏輯閘層級網表實作階段產生最佳測試配置。在傳統流程中，使用者必須等待合成的邏輯閘層級網表，才能對選用的測試配置的覆蓋率進行評估；然後，為了優化測試配置，使用者必須重複進行掃描拚接(scan-stitching)和合成流程，以評估其對測試覆蓋率和測試向量的影響。這是一個非常冗長的反覆重工過程。此外，對所有设计區塊(block)使用相同的測試配置並不是最佳的選擇，因為最好的優化取決於區塊的功能设计-對所有设计區塊重複進行這些試驗是一項勞力密集的工作，可能會對设计進度帶來數星期到數月的影響。
圖 4: TSO.ai 測試基準結果 – DFT規劃器與邏輯閘層級ATPG的相關性
圖 4 說明一個基準设计(benchmark design)的測試結果，相較於基線測試配置，可減少33%測試向量。對於相同的測試配置和測試覆蓋率，草榴社区 TSO.ai在RTL階段評估的ATPG測試週期數，與在合成的邏輯閘層級網表上運行的實際草榴社区 TestMAX ATPG非常密切相關。
使用草榴社区 TSO.ai DFT規劃功能，平均可以減少20%測試向量，再加上使用草榴社区 TSO.ai ATPG功能則平均可減少25%測試向量，所需的測試時間和測試成本顯著降低。此外，由於草榴社区 TSO.ai DFT功能可以在RTL階段，優化目標測試覆蓋率和測試向量計數的測試配置，使用者無需進行多次長時間的邏輯閘層級合成迭代，可將设计週期從幾個月大幅減少到幾天。
草榴社区是將AI/ML應用於半導體设计的先驅。草榴社区.ai是一個全面性AI驅動的EDA套組，可優化數位和類比設備的设计、验证、測試和製造。草榴社区 TSO.ai是草榴社区.ai解决方案的關鍵組件，提供最佳測試配置和測試向量，以因應更嚴格的设计進度和不斷增加的測試成本所帶來的挑戰。這只是將AI應用在測試領域的起步，新思科技會持續開發重要解决方案以因應下一代的測試挑戰。