基于GRU＿LSTM及RL算法的伪随机指令生成器

在CPU验证过程中，传统伪随机指令生成器通过生成大量合法无序的指令序列，从而实现功能覆盖率或代码覆盖率的验证目标。然而，没有趋向针对性的指令生成，为达到指标需要耗费大量的人力及时间成本。该文以一款基于精简指令集(RISC-V)自研核心为例，在基于通用验证方法学(Universal Verification Methodology, UVM)的验证平台上设计出一种伪随机指令生成器，并针对普通伪随机指令生成器覆盖率低、收敛速度慢的问题，建立GRU＿LSTM算法模型，并结合强化学习(Reinforcement Learning, RL)算法构建新算法模型RLGRU＿LSTM应用于伪随机指令生成过程，并且针对RL方向决策，提出了基于霍夫曼编码的CPU指令包编码方式训练opcode分布，同时融合了CPU指令类型和指令间执行顺序因素，快速捕获人工定向验证预料不到的验证盲点，有效加快了代码覆盖率达到预期的进程。该文着重描述伪随机指令生成器及RLGRU＿LSTM算法对模型训练过程的指导。实验结果表明，与直接使用伪随机指令生成技术相比，该方法在约定伪随机指令条目下，相比传统伪随机方法能提高约19%的覆盖...