في عالم تصميم الأجهزة، تعتبر عملية التحقق القائم على التأكيدات (Assertion-based Verification) أمرًا حيويًا لضمان توافق التصميمات مع المواصفات المخصصة. ومع ذلك، تفرز الأساليب الحالية المعتمدة على الذكاء الاصطناعي، مثل الأطر المعتمدة على نماذج اللغات الضخمة (Large Language Models)، أعدادًا ضخمة من التأكيدات الزائدة التي تؤدي إلى تناقص كفاءة المحاكاة.

في خطوة رائدة، تم تقديم إطار Arcane كحل مبتكر لمشكلة الزوائد التأكيدية. يعتمد Arcane على نهج مزدوج لتجميع التأكيدات يقوّم التصنيف الدلالي بدقة لمجموعات التأكيدات الكبيرة. ومن خلال استخدام البحث العشوائي في شجرة مونت كارلو (Monte Carlo Tree Search - MCTS)، يتم استكشاف سلاسل تطبيق القواعد المثلى لتقليل التأكيدات بشكل فعّال.

أظهرت نتاج التجارب على أداة Assertionbench أن Arcane قادر على تقليل عدد التأكيدات حتى 76.2%، كل ذلك مع المحافظة التامة على القدرة على التحقق الرسمي واكتشاف الطفرات. بالإضافة إلى ذلك، أظهرت الدراسات التجريبية تسريعًا في وقت المحاكاة يتراوح بين 2.6x و6.1x.

لذا، إذا كنت تعمل في مجال تصميم الأجهزة أو تبحث عن تحسين كفاءة عمليتك، فإن Arcane هو الحل الذي تنتظره. يمكنك الاطلاع على المزيد عن هذا الإطار الثوري عبر الرابط: [رابط الإطار هنا].

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.