論文の概要: Efficient Verification of a RADAR SoC Using Formal and Simulation-Based Methods
- arxiv url: http://arxiv.org/abs/2404.15371v1
- Date: Sat, 20 Apr 2024 13:16:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-25 15:44:33.617927
- Title: Efficient Verification of a RADAR SoC Using Formal and Simulation-Based Methods
- Title(参考訳): 形式的およびシミュレーションに基づくRADAR SoCの有効検証
- Authors: Aman Kumar, Mark Litterick, Samuele Candido,
- Abstract要約: 本稿では,Radio Detection And Ranging (RADAR) をベースとしたSOCの検証を行った。
我々は,形式的手法とシミュレーション的手法を併用して相互補完を行い,信頼性の高い検証サインオフを実現する。
- 参考スコア(独自算出の注目度): 2.1626093085892144
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the demand for Internet of Things (IoT) and Human-to-Machine Interaction (HMI) increases, modern System-on-Chips (SoCs) offering such solutions are becoming increasingly complex. This intricate design poses significant challenges for verification, particularly when time-to-market is a crucial factor for consumer electronics products. This paper presents a case study based on our work to verify a complex Radio Detection And Ranging (RADAR) based SoC that performs on-chip sensing of human motion with millimetre accuracy. We leverage both formal and simulation-based methods to complement each other and achieve verification sign-off with high confidence. While employing a requirements-driven flow approach, we demonstrate the use of different verification methods to cater to multiple requirements and highlight our know-how from the project. Additionally, we used Machine Learning (ML) based methods, specifically the Xcelium ML tool from Cadence, to improve verification throughput.
- Abstract(参考訳): IoT(Internet of Things)とHuman-to-Machine Interaction(HMI)の需要が増加するにつれ、このようなソリューションを提供する現代のSystem-on-Chips(SoC)はますます複雑になっています。
この複雑な設計は、特に消費者電子製品にとって、市場へのタイム・トゥ・マーケットが重要な要素である場合、検証に重大な課題をもたらす。
本稿では,複雑な無線検出・ラング(RADAR)をベースとしたSoCを用いて,ミリメートル精度で人体の動きのオンチップセンシングを行うケーススタディを提案する。
我々は,形式的手法とシミュレーション的手法を併用して相互補完を行い,信頼性の高い検証サインオフを実現する。
要件駆動のフローアプローチを採用する一方で、複数の要件に対応し、プロジェクトからのノウハウを強調するために、さまざまな検証方法の使用を実演する。
さらに、機械学習(ML)ベースの手法、特にCadenceのXcelium MLツールを使用して、検証スループットを改善しました。
関連論文リスト
- Enhancing Automatic Modulation Recognition for IoT Applications Using Transformers [2.258538713779673]
本稿では,自然言語処理用に設計されたTransformer Networkを活用した革新的な手法を提案する。
RF信号の適切な埋め込みのための4つのトークン化手法を提案し,検討した。
我々のモデルは、RML2016で65.75、CSPB.ML.2018+データセットで65.80の精度を達成する。
論文 参考訳(メタデータ) (2024-03-08T21:33:03Z) - Effective Communication with Dynamic Feature Compression [25.150266946722]
本研究では,タスクを制御するロボットに対して,観察者が知覚データを伝達しなければならないプロトタイパルシステムについて検討する。
本稿では, 量子化レベルを動的に適応させるために, アンサンブルベクトル量子化変分オートエンコーダ(VQ-VAE)を符号化し, 深層強化学習(DRL)エージェントを訓練する。
我々は、よく知られたCartPole参照制御問題に対して提案手法を検証し、大幅な性能向上を得た。
論文 参考訳(メタデータ) (2024-01-29T15:35:05Z) - Swarm Reinforcement Learning For Adaptive Mesh Refinement [11.201100158465394]
我々は,一連の課題に対して信頼性,拡張性,効率的な改善戦略を学習する新しいAMRを開発した。
提案手法は, 複雑なシミュレーションにおける一様改良に比べて最大30倍の高速化を実現した。
論文 参考訳(メタデータ) (2023-04-03T09:07:17Z) - Semantic and Effective Communication for Remote Control Tasks with
Dynamic Feature Compression [23.36744348465991]
ロボットの群れの調整と産業システムのリモート無線制御は、5Gおよびそれ以上のシステムの主要なユースケースである。
本研究では,タスクを制御するアクターに知覚データを伝達しなければならないプロトタイパルシステムについて考察する。
本稿では,量子化レベルを動的に適応させるために,アンサンブルベクトル量子化変分オートエンコーダ(VQ-VAE)を符号化し,深層強化学習(DRL)エージェントを訓練する。
論文 参考訳(メタデータ) (2023-01-14T11:43:56Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳(メタデータ) (2022-07-03T06:57:07Z) - Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。
車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。
推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
論文 参考訳(メタデータ) (2022-05-16T12:14:42Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳(メタデータ) (2022-05-02T12:23:55Z) - Learning-Based UE Classification in Millimeter-Wave Cellular Systems
With Mobility [67.81523988596841]
ミリ波携帯電話通信では、送信機と受信機のビームのアライメントを可能にするビームフォーミング手順が必要である。
効率的なビームトラッキングでは、トラフィックと移動パターンに応じてユーザーを分類することが有利である。
これまでの研究は、機械学習に基づくUE分類の効率的な方法を示してきた。
論文 参考訳(メタデータ) (2021-09-13T12:00:45Z) - Improved Speech Emotion Recognition using Transfer Learning and
Spectrogram Augmentation [56.264157127549446]
音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。
SERの主な課題の1つは、データの不足である。
本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
論文 参考訳(メタデータ) (2021-08-05T10:39:39Z) - Machine Learning based Indicators to Enhance Process Monitoring by
Pattern Recognition [0.4893345190925177]
パターンタイプと強度を組み合わせた機械学習に基づく指標のための新しいフレームワークを提案する。
半導体産業のケーススタディでは,従来のプロセス制御を越え,高品質な実験結果を得る。
論文 参考訳(メタデータ) (2021-03-24T10:13:20Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳(メタデータ) (2020-12-25T07:08:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。