SigmanticAI - Automatisation de la vérification matérielle

Quoi

SigmanticAI est un produit d’automatisation de la vérification matérielle basé sur l’IA, destiné aux équipes de semi-conducteurs et de vérification numérique. Il se concentre sur la génération d’artefacts de vérification tels que des testbenches UVM, des stimuli contraints, de la couverture fonctionnelle, des assertions et des modèles de registres à partir de spécifications en langage naturel ou du contexte RTL.

Le produit est positionné comme un accélérateur de workflow pour les environnements existants de vérification de conception, plutôt que comme un remplacement des ingénieurs ou des simulateurs. Sa valeur principale réside dans la réduction de l’effort manuel nécessaire à l’écriture de code de vérification répétitif et dans l’aide apportée aux équipes pour atteindre plus rapidement une couverture significative, tout en maintenant des sorties compatibles avec les flux DV établis.

Fonctionnalités

• Génération de testbenches UVM : Crée des environnements UVM, des agents, des séquences et des scoreboards à partir de spécifications afin que les équipes puissent réduire le travail de configuration manuelle et démarrer la simulation plus rapidement.
• Création de stimuli guidée par la couverture : Produit des stimuli dirigés et pseudo-aléatoires contraints liés aux objectifs de couverture, ce qui aide les efforts de vérification à se concentrer sur ce qui reste à exercer.
• Génération de modèles de couverture fonctionnelle : Construit des modèles de couverture conçus pour suivre les progrès de la vérification de manière structurée et soutenir le travail de clôture de couverture.
• Génération d’assertions : Génère automatiquement des assertions de protocole, de sûreté et de correction en SVA/PSL afin de renforcer les vérifications et de détecter les problèmes plus tôt dans le flux.
• Définitions et mappages de registres : Génère des modèles de registres et des mappages prêts pour la simulation, ce qui peut réduire l’effort répétitif de création de modèles de registres.
• Déploiement adapté aux environnements existants : Le site indique que le produit fonctionne avec les simulateurs et flux existants, respecte les frontières IP et peut être déployé sur site ou dans des environnements contrôlés.

Conseils utiles

• Valider les sorties par rapport aux normes internes : Même lorsque les artefacts générés sont présentés comme prêts pour la production, les équipes doivent les examiner au regard des conventions de nommage, de l’adéquation méthodologique et de l’intention de vérification propre au projet.
• Commencer par des cas d’usage limités : L’adoption initiale est souvent plus facile lorsqu’elle est appliquée à un seul bloc IP, à un agent d’interface ou à un ensemble d’assertions avant une extension à un programme DV plus large.
• Mesurer la valeur à travers les résultats du workflow : Pour les outils de cette catégorie, l’évaluation pratique doit se concentrer sur l’effort de revue, l’état de préparation à la simulation, les progrès de la couverture et la réduction du code répétitif.
• Vérifier l’adéquation avec les besoins de sécurité et de gestion de l’IP : Si les artefacts de vérification sont construits à partir de spécifications sensibles ou de RTL, le modèle de déploiement et les contrôles des frontières IP doivent faire partie de l’évaluation.
• Clarifier les exigences de qualité des données source : Étant donné que la génération dépend de spécifications en langage naturel ou du contexte RTL, la qualité des sorties dépendra probablement du niveau d’exhaustivité et de structuration de ces entrées.

Compétences OpenClaw

Au sein de l’écosystème OpenClaw, SigmanticAI pourrait vraisemblablement prendre en charge des compétences de planification de la vérification, d’orchestration de génération d’artefacts et de workflows de revue. Un agent OpenClaw plausible pourrait ingérer des spécifications de conception, identifier les cibles de vérification, acheminer des prompts ou du contexte vers SigmanticAI, puis organiser les composants UVM, assertions et ressources de couverture résultants dans des flux de travail spécifiques au projet. La page ne décrit pas d’intégration native à OpenClaw ; cela doit donc être considéré comme un schéma de workflow probable plutôt qu’une capacité confirmée.

Cette combinaison pourrait être particulièrement utile aux responsables de la vérification de conception, aux équipes CAD et aux chefs de projet qui ont besoin d’une coordination plus étroite entre les exigences, les artefacts générés et l’avancement vers la validation finale. Les workflows OpenClaw probables pourraient inclure des agents de traçabilité entre spécifications et vérification, des assistants de préparation des régressions, des agents de triage des lacunes de couverture et des copilotes de revue comparant les artefacts générés aux normes internes. En pratique, cela pourrait orienter les équipes de vérification vers des tâches à plus forte valeur ajoutée, telles que la stratégie des cas limites, la validation au niveau architecture et la coordination interéquipes, tout en réduisant le temps consacré à l’infrastructure répétitive.