王慧丽，郭 阳

(国防科技大学计算机学院,湖南 长沙，410073)

1 引言

随着基于集成电路硬件实现的深度学习算法在气象预测、生物识别和人工智能等应用中的迅速发展，集成电路硬件设计规模逐渐扩大。作为处理器核心部件的指令流控单元，其设计复杂度日益增加，指令流控的验证难度随之增大。在一个控制复杂的应用场景中，指令流控错误可能会付出非常惨痛的代价。因此，对指令流控的高效、完备、精确的验证，是微处理器设计及验证中必须攻克的重要难题。

硬件设计的验证方法主要有2种[1]：基于模拟的定向功能验证和基于随机激励的形式化验证。基于模拟的定向验证一般采用人工编写的方式，针对指定功能进行测试激励，包括模块级验证和系统级验证2种。定向功能验证方法的主观依赖性较高，其验证的正确性、效率和完备性等与验证人员的经验素质密切相关，并且由于定向功能验证往往针对特定模块进行人工编制，导致激励可重用性不高[2,3]。基于随机激励的形式化验证能够对设计进行状态遍历，验证覆盖率高，但是在复杂的控制系统中，随着控制流程的增加，会出现状态爆炸问题。并且随机激励约束编写要求验证人员具有很高的设计水平，否则可能会出现随机激励的验证盲区，或者产生对验证功能点的重复覆盖，进而降低验证效率[4,5]。

基于参考模型的随机验证方法介于传统验证和形式化验证之间，该方法一般适用于数据密集型设计的模块级验证(如DMA、Cache和运算单元等)。……