تعد التحقق من الدوائر المتكاملة (Integrated Circuits - IC) من أكثر العمليات استهلاكًا للوقت في دورة تطوير IC، حيث تستهلك حوالي 70% من الوقت. مع تقدم الأبحاث، تم استغلال نماذج اللغات الضخمة (Large Language Models - LLMs) بشكل مطرد لتسهيل عملية توليد بيئات الاختبار (Testbenches) وتقليل الأعباء الثقيلة للقيام بذلك.

لكن، يواجه استخدام نماذج اللغات الضخمة في هذا السياق تحديات ملحوظة، لاسيما أن البيانات المستخدمة لتدريب هذه النماذج تحتوي على ندرة في لغات وصف الأجهزة (Hardware Description Languages - HDLs). غالبًا ما يؤدي ذلك إلى إنتاج أكواد غير صحيحة.

للتغلب على هذه الصعوبات، أُبتكرت تقنية HAVEN (محرك التحقق الآلي الهجين - Hybrid Automated Verification Engine) التي تهدف إلى منع نماذج اللغات الضخمة من كتابة أكواد (HDL) مباشرة.

تعتمد طريقه تبني HAVEN على تحليل المواصفات التصميمية لإنتاج خطة هيكلية منظمة. تستخدم هذه التقنية وكلاء نموذج اللغات الضخمة (LLM agents)، والتي تستفيد من قوالب مسبقة محددة، مما يسمح بإنشاء جميع مكونات بيئة الاختبار UVM بشكل دقيق يتوافق مع توقيتات تبادل البيانات.

وعلاوة على ذلك، تقدم HAVEN لغة خاصة للغات التسلسل (Domain-Specific Language - DSL) التي تدرك بروتوكولات معينة، والتي تساهم في تفكيك التسلسلات إلى أنواع خطوات محسنة. في مرحلة مبكرة، يتم تكوين تسلسلات مسبقة تحقق معدلات تغطية عالية دون المشاركة المباشرة من نماذج اللغات الضخمة. ومع ذلك، تستمر HAVEN في تحسين معدلات التغطية من خلال استغلال بيانات تقارير الفجوات وتحليلها.

من خلال نتائج التجارب التي شملت 19 تصميمًا مفتوح المصدر عبر ثلاث واجهات برمجية مختلفة، تم تحقيق نجاح مذهل: 100% نجاح في الترجمة (Compilation)، 90.6% من تغطية الكود، و87.9% من التغطية الوظيفية. تعتبر HAVEN اليوم من بين الأقوى في أنظمة توليد بيئات الاختبار المدعومة بنماذج اللغات الضخمة.

ما رأيكم في هذه التطورات المثيرة في عالم تكنولوجيا الدوائر المتكاملة؟ شاركونا في التعليقات.