CN109190180B - 一种面向多位翻转的虚拟过滤快速评估方法 - Google Patents

一种面向多位翻转的虚拟过滤快速评估方法 Download PDF

Info

Publication number
CN109190180B
CN109190180B CN201810896676.1A CN201810896676A CN109190180B CN 109190180 B CN109190180 B CN 109190180B CN 201810896676 A CN201810896676 A CN 201810896676A CN 109190180 B CN109190180 B CN 109190180B
Authority
CN
China
Prior art keywords
model
avf
bit
raw
under
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810896676.1A
Other languages
English (en)
Other versions
CN109190180A (zh
Inventor
焦佳佳
韩德志
付宇卓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN201810896676.1A priority Critical patent/CN109190180B/zh
Publication of CN109190180A publication Critical patent/CN109190180A/zh
Application granted granted Critical
Publication of CN109190180B publication Critical patent/CN109190180B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)
  • Stored Programmes (AREA)

Abstract

本发明提供一种面向多位翻转的虚拟过滤快速评估方法，所述方法至少包括：将初始错误模型采用虚拟过滤器进行过滤，对所有过滤后的错误模式进行合并操作生成新错误模型，其中，虚拟过滤器是与保护机制相对应，所述保护机制包含至少一种保护机制；采用边界分析模型，基于处理器结构、应用程序、初始错误模型以及一位翻转模型下无保护机制的评估值，并联合加权公式计算得到基于保护机制下的等效一位翻转AVF值；根据边界分析模型和保护机制下的等效一位翻转AVF值，计算新错误模型下的AVF值。

Description

一种面向多位翻转的虚拟过滤快速评估方法
技术领域
本发明涉及一种虚拟过滤的评估技术领域，特别是涉及一种面向多位翻转的虚拟过滤快速评估方法。
背景技术
随着工艺尺寸的持续缩小，软错误率不仅呈现指数增长的趋势，软错误中多位翻转的比例和模式多样化及复杂性也日益明显。软错误这两大特征使得软错误评估方法成为处理器可靠性设计的关键。错误注入统计方法因通用性强、精度高等优势成为常用的多位翻转评估方法，但是依托于太空辐射、人工激光束、仿真器模拟翻转等统计成本高，耗时长。不同于错误注入方法，基于结构正确分析的ACE分析方法可以采用资源利用率快速得到可靠性量化指标-结构易感因子(Architecture Vulnerability Factor，简称AVF)。为了进一步提高评估精度，基于概率图模型的评估方法在ACE分析方法基础上引入概率图模型充分考虑错误蔓延和错误屏蔽的影响，但仅解决一位翻转情况。
为了更好满足多位翻转的评估需求，一种基于多位翻转最好和最坏情况的边界分析方法被提出，把多位翻转的评估问题简化为一位翻转和错误模型中多位相关，灵活使用任意一位翻转评估方法。然而，这种基于上下界的快速评估方法对检纠错编码、多模冗余等典型保护机制的保护效果却无能为力。
因此，本发明基于边界分析方法进行扩展提出一种面向多位翻转的虚拟过滤快速评估方法。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种面向多位翻转的虚拟过滤快速评估方法，对边界分析方法进行扩展提出一种面向多位翻转的虚拟过滤快速评估方法。不同于错误注入中保护机制对错误的被动过滤，本发明思路是用保护机制主动对多位翻转错误模型进行过滤生成新错误模型，同时等效计算一位翻转的AVF值，再重用边界分析方法快速评估保护机制下的AVF值。
为实现上述目的及其他相关目的，本发明提供一种面向多位翻转的虚拟过滤快速评估方法，所述方法至少包括：
将初始错误模型采用虚拟过滤器进行过滤，对所有过滤后的错误模式进行合并操作生成新错误模型，其中，虚拟过滤器是与保护机制相对应，所述保护机制包含至少一种保护机制；
采用边界分析模型，基于处理器结构、应用程序、初始错误模型以及一位翻转模型下无保护机制的评估值，并联合加权公式计算得到基于保护机制下的等效一位翻转AVF值；
根据边界分析模型和保护机制下的等效一位翻转AVF值，计算新错误模型下的AVF值本发明的优选实施方式中，所述采用边界分析模型，基于处理器结构、应用程序、初始错误模型以及一位翻转模型下无保护机制的评估值，并联合加权公式计算得到基于保护机制下的等效一位翻转AVF值的步骤，包括：
根据采用快速ACE分析得到的一位翻转模型下无保护机制的评估值AVFsbu(RAW)，协同处理器结构、应用程序、初始错误模型得到混合模型下的无保护机制的评估值AVFmix(RAW)，进而联合加权公式计算多位翻转模型下无保护机制的评估值AVFmcu(RAW)，作为保护机制下等效一位翻转AVF值。
本发明的优选实施方式中，所述混合模型下的无保护机制的评估值的具体公式为：
AVFmix(RAW)＝BA(A,W,Mbase,AVFsbu(RAW))
所述多位翻转模型下无保护机制的评估值和所述合模型下的无保护机制的评估值关系的具体公式为：
AVFmix(RAW)＝AVFsbu(RAW)+AVFmcu(RAW)
其中，AVFmix(RAW)混合模型下的无保护机制的评估值；BA是边界分析模型，所述边界分析模型的四个输入分别是：A是基于处理器结构，W是应用程序，Mbase是初始错误模型；AVFsbu(RAW)是一位翻转模型下无保护机制的评估值；AVFmcu(RAW)是多位翻转模型下无保护机制的评估值。
本发明的优选实施方式中，所述新错误模型下的AVF值的具体表达为：
AVFmix(FT)＝BA(A,W,Mnew,AVFmcu(RAW))
其中，AVFmix(FT)是新错误模型下的AVF值，BA是边界分析模型，所述边界分析模型的四个输入分别是：A是基于处理器结构，W是应用程序，Mnew是所述新错误模型，AVFmcu(RAW)是多位翻转模型下无保护机制的评估值。
本发明的优选实施方式中，所述新错误模型的生成，包括：
采用所述保护机制和软错误模型，基于虚拟过滤生成新错误模型。
如上所述，本发明的面向多位翻转的虚拟过滤快速评估方法，具有以下有益效果：
(1)本发明的目的在于提供一种面向多位翻转的虚拟过滤快速评估方法，解决了基于上下界的快速评估方法对检纠错编码、多模冗余等典型保护机制的保护效果却无能为力的问题。
(2)提供一种面向多位翻转的虚拟过滤快速评估方法，对边界分析方法进行扩展提出一种面向多位翻转的虚拟过滤快速评估方法。不同于错误注入中保护机制对错误的被动过滤，本发明思路是用保护机制主动对多位翻转错误模型进行过滤生成新错误模型，同时等效计算一位翻转的AVF值，再重用边界分析方法快速评估保护机制下的AVF值。
附图说明
图1是本发明实施例提供的面向多位翻转的虚拟过滤快速评估方法的流程示意图；
图2是本发明实施例提供的数据流程示意图；
图3是虚拟器过滤的效果示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
请参阅图1‐3。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明实施例提供的一种面向多位翻转的虚拟过滤快速评估方法，如图1所示，所述方法至少包括：
S101，将初始错误模型采用虚拟过滤器进行过滤，对所有过滤后的错误模式进行合并操作生成新错误模型，其中，虚拟过滤器是与保护机制相对应，所述保护机制包含至少一种保护机制。
如图2所示，为本发明实施例实现过程的一种流程示意图。首先为错误模型的生成过程，具体的，本发明实施例所形成的评估方法可以通过仿真器实现方法的功能，对应实现方法所带来的效果。
本发明是还是通过预先设置保护机制和输入软错误的模型，实现基于虚拟过滤，生成新的错误模型，具体的，参见图3所示的实施例。
本发明实施例中，如图3左边所示初始输入的错误模型Mbase包括多种翻转模式，譬如两位翻转可能是(a)在同一行，也可能(b)在同一列，类似其他多位翻转也包括多种不同模式(c)(d)(e)(f)(h)；中间的虚拟过滤器主要取于保护机制的纠错能力，譬如常用的一位纠错两位检错码，可以过滤所有在同一行的错误，新错误模型如图3右边所示，(a_new)仅能被检测无法被纠正所以错误模式保持不变，(b_new)对应错误模式(b)的过滤结果，保护机制可以纠正错误，类似的(c)(d)(e)(f)(h)过滤后的错误模式变为(c_new)(d_new)(e_new)(f_new)(h_new)，错误模型包括错误模式和错误概率信息，因此图3所示的几种模式还需要进行合并操作。(a_new)和(c_new)合并为同一个错误模式，并对两种情况的错误概率进行累加作为新错误模式对应的错误概率，(b_new)因不发生错误，因此，在新错误模型概率为0，删除对应错误模式，类似对所有过滤后的错误模式进行合并操作生成新错误模型Mnew。
S102，采用边界分析模型，基于处理器结构、应用程序、初始错误模型以及一位翻转模型下无保护机制的评估值，并联合加权公式计算得到基于保护机制下的等效一位翻转AVF值。
本发明提供的一种具体实现方式为：根据采用快速ACE分析得到的一位翻转模型下无保护机制的评估值AVFsbu(RAW)，协同处理器结构、应用程序、初始错误模型得到混合模型下的无保护机制的评估值AVFmix(RAW)，进而联合加权公式计算多位翻转模型下无保护机制的评估值AVFmcu(RAW)，作为保护机制下等效一位翻转AVF值。
其中，混合模型下的无保护机制的评估值AVFmix(RAW)的具体公式表达如下，该部分的实现为现有技术，本发明实施例在此不做赘述。
AVFmix(RAW)＝BA(A,W,Mbase,AVFsbu(RAW)) (1)
另外，本发明实施例中的混合模型下的无保护机制的评估值AVFmix(RAW)，是由一位翻转模型下无保护机制的评估值AVFsbu(RAW)和多位翻转模型下无保护机制的评估值AVFmcu(RAW)组成，如下公式所示，因此，通过已计算出来的混合模型下的无保护机制的评估值AVFmix(RAW)和计算出来的一位翻转模型下无保护机制的评估值AVFsbu(RAW)，能够得到多位翻转模型下无保护机制的评估值AVFmcu(RAW)，且多位翻转模型下无保护机制的评估值AVFmcu(RAW)即为等效一位翻转AVF值。
AVFmix(RAW)＝AVFsbu(RAW)+AVFmcu(RAW) (2)
其中，AVFmix(RAW)混合模型下的无保护机制的评估值；BA是边界分析模型，所述边界分析模型的四个输入分别是：A是基于处理器结构，W是应用程序，Mbase是初始错误模型；AVFsbu(RAW)是一位翻转模型下无保护机制的评估值；AVFmcu(RAW)是多位翻转模型下无保护机制的评估值。
需要说明的是，边界模型分析方法是指通过处理器结构，应用程序，软错误模型以及一位翻转的评估值快速得到上下界，并通过平均估算AVF评估值的方法，具体参见申请号为：201810005069.1的发明专利描述，本发明实施例在此不做赘述。
因此，本发明实施例根据边界分析方法思路，不仅需要基础处理器结构配置和应用程序基础信息，更依赖错误模型和一位翻转模型下无保护机制的评估值两个输入信息。新错误模型下的一位翻转AVF值和初始无保护机制的AVF值不同，很难直接统计。
本发明的思路是通过公式(1)和公式(2)联合计算基于保护机制下的等效一位翻转AVF值，常用的一位纠错两位检错码保护机制下为多位翻转模型下无保护机制的评估值AVFmcu(RAW)。因为，所有新错误模型下的一位翻转都源于多位翻转模式的过滤结果。其中，公式(1)是采用边界分析模型BA，基于处理器结构A，应用程序W，初始错误模型Mbase以及快速ACE分析得到的一位翻转模型下无保护机制的评估值AVFsbu(RAW))，进而可以估算混合模型下的无保护机制的评估值，另一方面，公式(2)从加权平均角度得到多位翻转模型下无保护机制的评估值，这样可以联合计算仅有一个未知因子AVFmcu(RAW)。
S103，根据边界分析模型和保护机制下的等效一位翻转AVF值，计算新错误模型下的AVF值。
如图2所示，需要说明的是，重用边界分析模型计算保护机制下的AVF值。使用公式(3)，通过新错误模型Mnew和新模型等效的一位翻转的AVFmcu(RAW)值采用边界分析模型BA，得到保护机制下等效一位翻转AVF值AVFmix(FT)。
AVFmix(FT)＝BA(A,W,Mnew,AVFmcu(RAW)) (3)
最后，保护机制下等效一位翻转AVF值AVFmix(FT)，完成三个关键步骤的虚拟过滤评估方法。总之，本发明提出的虚拟过滤评估方法，针对多位翻转的复杂特性和容错机制的配置信息，在边界模型分析方法基础下进行扩展，可以充分继承模型驱动的边界分析方法的快速评估特性，更好对保护机制FT的容错效果进行快速估算。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (5)

1.一种面向多位翻转的虚拟过滤快速评估方法，其特征在于，所述方法至少包括：
将初始错误模型采用虚拟过滤器进行过滤，对所有过滤后的错误模式进行合并操作生成新错误模型，其中，虚拟过滤器是与保护机制相对应，所述保护机制包含至少一种保护机制；
采用边界分析模型，基于处理器结构、应用程序、初始错误模型以及一位翻转模型下无保护机制的评估值，并联合加权公式计算得到基于保护机制下的等效一位翻转AVF值；
根据边界分析模型和保护机制下的等效一位翻转AVF值，计算新错误模型下的AVF值。
2.根据权利要求1所述的面向多位翻转的虚拟过滤快速评估方法，其特征在于，所述采用边界分析模型，基于处理器结构、应用程序、初始错误模型以及一位翻转模型下无保护机制的评估值，并联合加权公式计算得到基于保护机制下的等效一位翻转AVF值的步骤，包括：
根据采用快速ACE分析得到的一位翻转模型下无保护机制的评估值，协同处理器结构、应用程序、初始错误模型得到混合模型下的无保护机制的评估值，进而联合加权公式计算多位翻转模型下无保护机制的评估值，作为保护机制下等效一位翻转AVF值。
3.根据权利要求2所述的面向多位翻转的虚拟过滤快速评估方法，其特征在于，所述混合模型下的无保护机制的评估值的具体公式为：
AVFmix(RAW)＝BA(A,W,Mbase,AVFsbu(RAW))
所述多位翻转模型下无保护机制的评估值和所述合模型下的无保护机制的评估值关系的具体公式为：
AVFmix(RAW)＝AVFsbu(RAW)+AVFmcu(RAW)
其中，AVFmix(RAW)混合模型下的无保护机制的评估值；BA是边界分析模型，所述边界分析模型的四个输入分别是：A是基于处理器结构，W是应用程序，Mbase是初始错误模型；AVFsbu(RAW)是一位翻转模型下无保护机制的评估值；AVFmcu(RAW)是多位翻转模型下无保护机制的评估值。
4.根据权利要求1‐3任意一项所述的面向多位翻转的虚拟过滤快速评估方法，其特征在于，所述新错误模型下的AVF值的具体表达为：
AVFmix(FT)＝BA(A,W,Mnew,AVFmcu(RAW))
其中，AVFmix(FT)是新错误模型下的AVF值，BA是边界分析模型，所述边界分析模型的四个输入分别是：A是基于处理器结构，W是应用程序，Mnew是所述新错误模型，AVFmcu(RAW)是多位翻转模型下无保护机制的评估值。
5.根据权利要求1所述的面向多位翻转的虚拟过滤快速评估方法，其特征在于，所述新错误模型的生成，包括：
采用所述保护机制和软错误模型，基于虚拟过滤生成新错误模型。
CN201810896676.1A 2018-08-08 2018-08-08 一种面向多位翻转的虚拟过滤快速评估方法 Active CN109190180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810896676.1A CN109190180B (zh) 2018-08-08 2018-08-08 一种面向多位翻转的虚拟过滤快速评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810896676.1A CN109190180B (zh) 2018-08-08 2018-08-08 一种面向多位翻转的虚拟过滤快速评估方法

Publications (2)

Publication Number Publication Date
CN109190180A CN109190180A (zh) 2019-01-11
CN109190180B true CN109190180B (zh) 2022-09-30

Family

ID=64920559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810896676.1A Active CN109190180B (zh) 2018-08-08 2018-08-08 一种面向多位翻转的虚拟过滤快速评估方法

Country Status (1)

Country Link
CN (1) CN109190180B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108234213A (zh) * 2018-01-03 2018-06-29 上海海事大学 一种片上网络结构级的软错误在线评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7849387B2 (en) * 2008-04-23 2010-12-07 Intel Corporation Detecting architectural vulnerability of processor resources

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108234213A (zh) * 2018-01-03 2018-06-29 上海海事大学 一种片上网络结构级的软错误在线评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种考虑防护措施的缓存可靠性评估方法;王辉等;《东南大学学报(自然科学版)》;20150120(第01期);全文 *

Also Published As

Publication number Publication date
CN109190180A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
Moustapha et al. Surrogate-assisted reliability-based design optimization: a survey and a unified modular framework
Gobet et al. A regression-based Monte Carlo method to solve backward stochastic differential equations
Gįmiz et al. Applied nonparametric statistics in reliability
KR101377869B1 (ko) 집적 회로의 식별
Soleymani et al. Inverse multi-quadric RBF for computing the weights of FD method: Application to American options
Bouteiller et al. Algorithm-based fault tolerance for dense matrix factorizations, multiple failures and accuracy
CN111027270A (zh) 一种用于集成电路设计流程可信设计的方法及电路
Petetin et al. Bayesian multi-object filtering for pairwise Markov chains
JP6821751B2 (ja) 仮想キーボードの誤タイピングを補正するための方法、システム、およびコンピュータプログラム
Tu et al. Variable screening in metamodel design by cross-validated moving least squares method
CN117077018B (zh) 基于机器学习的数据处理方法、装置及存储介质
Neugebauer et al. On the limits of stochastic computing
CN109190180B (zh) 一种面向多位翻转的虚拟过滤快速评估方法
US20180149698A1 (en) Method and system for functional safety verification
Li et al. Shape selection partitioning algorithm for Gaussian inverse Wishart probability hypothesis density filter for extended target tracking
Ma et al. DEVoT: Dynamic delay modeling of functional units under voltage and temperature variations
CN104462055A (zh) 一种名称相似度获取方法及装置
CN111582310A (zh) 隐含结构光的解码方法及装置
CN113241112B (zh) 坏块筛选方法、装置、计算机可读存储介质及电子设备
Smith et al. Fossilization can mislead analyses of phenotypic disparity
CN110763984B (zh) 逻辑电路失效率确定方法、装置、设备及存储介质
Liu et al. A random algorithm for low-rank decomposition of large-scale matrices with missing entries
CN114049539A (zh) 基于去相关二值网络的协同目标识别方法、系统及装置
Gerencsér Mixing time of an unaligned Gibbs sampler on the square
US7428712B1 (en) Design optimization using approximate reachability analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant