基于 GRU_LSTM 及 RL 算法的伪随机指令生成器

来源：计算机技术与发展杂志2024年第02期北京时间：

作者：欧阳有恒*;严大卫

单位：1. 南京信息工程大学,江苏 南京 210044;2. 无锡先进技术研究院,江苏 无锡 214125

摘要：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% 的覆盖率,收敛至目标覆盖率消耗时长减少 22% 。

关键词：门控循环单元;长短记忆;强化学习;伪随机指令生成;通用验证方法学