一种基于数字孪生模型的芯片故障注入系统

    公开(公告)号:CN117807928A

    公开(公告)日:2024-04-02

    申请号:CN202311704516.X

    申请日:2023-12-11

    Abstract: 本发明提供了一种基于数字孪生模型的芯片仿真故障注入系统。该系统通过数字化的方式创建了一个真实世界的复制品,可以模拟真实世界的行为,从而提供更加深入的理解和洞察力。数字孪生模型主要用于在半导体领域进行芯片故障的检测和预防,通过对目标系统数字孪生模型的仿真,快速生成多种故障场景,并根据需求动态调整模型参数,更好地模拟真实的故障情况。本发明的实施方式主要包括数字孪生模型模块,故障注入、故障检测、故障日志和网络通信五个模块,可有效地帮助半导体行业更好的模拟真实故障。

    结构化与非结构化事实知识融合的语料库构建方法及装置

    公开(公告)号:CN118296157A

    公开(公告)日:2024-07-05

    申请号:CN202410409599.8

    申请日:2024-04-07

    Abstract: 本申请公开了一种结构化与非结构化事实知识融合的语料库构建方法及装置,从预先构建的结构化知识库中选取结构化事实知识并将其转化为事实检索查询,根据事实检索查询从预先构建的非结构化文本库中检索出多个非结构化事实知识文本候选,利用实体识别和实体链接获取非结构化事实知识文本候选中的实体,从而匹配事实知识文本候选与知识库中结构化事实知识,基于匹配结果判断事实知识文本候选的事实相关性,保留相关性较强的文本候选与其匹配到的结构化事实知识,作为一条结构化与非结构化事实知识相匹配的语料,保存到语料库中,不断重复上述过程,最终形成包含若干条匹配语料的高质量语料库。

    一种基于多维时间序列的单粒子故障预测方法

    公开(公告)号:CN117826747A

    公开(公告)日:2024-04-05

    申请号:CN202311690640.5

    申请日:2023-12-11

    Abstract: 本发明提供了一种基于多维时间序列的单粒子故障预测方法,该方法采用全连接网络提取故障信息的关联维度,然后利用循环神经网络中一种门控循环单元结构长短期神经网络学习辐射环境中发生的单粒子故障信息,得到故障注入预测模型。该系统包括数据收集模块、模型训练模块和故障预测模块。数据收集模块从系统中获取历史单粒子故障数据,并对该数据进行预处理,再交给模型训练模块。模型训练模块收到预处理后的数据开始进行长短时记忆神经网络模型的训练和优化。故障预测模块用训练好的模型预测系统中会出现的单粒子故障。

    面向智能平台的故障注入系统
    4.
    发明公开

    公开(公告)号:CN118210644A

    公开(公告)日:2024-06-18

    申请号:CN202410102062.7

    申请日:2024-01-25

    Abstract: 本发明提供面向智能平台的故障注入系统,涉及故障注入技术领域。该面向智能平台的故障注入系统,该系统采用客户端与服务器端的架构,用户在客户端设置好故障模型的参数后传递给服务器端,服务器端得到参数后开始进行故障注入和故障结果检测,所述故障注入系统可以利用软件模拟航天场景中的单粒子故障现象,并对该故障注入过程进行覆盖性评测和敏感性评测。本发明中,通过构建面向智能平台的软件模拟故障注入系统,用软件来模拟单粒子故障的注入,采用客户端远程连接服务器端的架构,用户在客户端设置好故障模型的参数传递给服务器端,服务器端得到参数后开始进行故障注入和故障结果检测,能够更好地评测宇航设备的可靠性。

Patent Agency Ranking