VCS ICO的主要功能有哪些呢？
ico是vcs提供的用于优化覆盖率的feature；一般用户通过dist solver bofore等约束了变量的随机概率，而ico会在用户约束的基础上，做一些自动“修正”，以此来优化随机激励，提高随机多样性，加速覆盖率收敛，缩短 turn-around time tat。主要功能包含如下几部分：
1. prognosis: 用于查看当前平台是否适用ico，对于都是直接用例测试，没有随机策略的平台，ico并不适用；
2. auto bias:利用设定策略，ico会改变原有constraint solver的行为，施加一定 bias 修正随机值;
3. rca: root cause trace, 用于诊断变量未随机到的bins，是否存在过约束等；
4. delta-debug: 提供replay复现功能，对比两次结果间的差异；
5. autopurge: 当前回归得到的ico database可以用于下一次回归，多次迭代；
ico最主要的功能就是auto bias,宣称使用了ai，机器学习ml，增强学习el等手段，在回归过程中，利用共享case之间的ico database，提高随机多样性；通过一个简单例子演示下：
covergroup cg_data with function sample (input logic valid, logic [7:0] data); cpt_value: coverpoint data iff (valid){ bins zero = {0}; bins others[] ={[1:31]}; illegal_bins invalid = {[32:255]}; }endgroupclass tr extends uvm_transaction; rand logic [7:0] data; constraint c_tr { data inside {[0:31]}; data dist {0:=1,[1:31]:=100}; }endclass
如上，对data的约束中，data=0这一条件的概率很低；
prj := $(shell echo $(curdir) | sed -r 's|/ico_test/.*|/ico_test|')export prjall: comp runall_ico: comp run_icoseed := ${seed}regress_ico: clean mkdir -p ${prj}/comp_src; cd ${prj}/comp_src; cp ${prj}/makefile ${prj}/comp_src; make comp; for i in 1 2; do mkdir -p ${prj}/test_$${i}; cp ${prj}/makefile ${prj}/test_$${i}; cd ${prj}/test_$${i}; ln -s ${prj}/comp_src/simv.daidir simv.daidir; ln -s ${prj}/comp_src/csrc csrc; ln -s ${prj}/comp_src/simv simv; make run_ico seed=$${i}; done make cov_merge; make crg_report;regress: clean mkdir -p ${prj}/comp_src; cd ${prj}/comp_src; cp ${prj}/makefile ${prj}/comp_src; make comp; for i in 1 2; do mkdir -p ${prj}/test_$${i}; cp ${prj}/makefile ${prj}/test_$${i}; cd ${prj}/test_$${i}; ln -s ${prj}/comp_src/simv.daidir simv.daidir; ln -s ${prj}/comp_src/csrc csrc; ln -s ${prj}/comp_src/simv simv; make run seed=$${i}; done make cov_merge;comp: vcs -full64 -kdb -lca -debug_access+all -ntb_opts uvm -sverilog -timescale=1ns/1ns ${prj}/dut.sv ${prj}/top_tb.sv +incdir+${prj} -l comp.logrun_ico: ./simv -l sim.log +ntb_random_seed=${seed} +ntb_solver_bias_mode_auto_config=2 +ntb_solver_bias_shared_record=${prj}/shared_record +ntb_solver_bias_wdir=ico_work +ntb_solver_bias_test_type=uvm +ntb_solver_bias_diag=3 crg_report: crg -dir ${prj}/shared_record -report rpt-auto -format both -merge merged_db -zip 1 -illegal_group -illegal_attrrun: ./simv -l sim.log +ntb_random_seed=${seed}verdi: verdi -ssf top_tb.fsdb &cov_open: verdi -cov -covdir simv_merge.vdb &cov_merge: urg -dir ${prj}/test_1/simv.vdb -dir ${prj}/test_2/simv.vdb -dbname ${prj}/simv_merge.vdbclean: -rm -rf shared_record/ simv* test_* work/ *log urgreport/ vdcovlog/ rpt-auto/ merged_db/ comp_src/ novas.*
make regress跑了两个case，第一个case seed=1，第二个caseseed=2; 通过verdi查看覆盖率报告：跑了两次的回归merge结果： 87.5%
make regress_ico是使能icofeature，结果： 100%
+ntb_solver_bias_diag使能debug信息，默认debug log放在+ntb_solver_bias_wdir指定的ico database下：随机32次，ico影响constrain solver，bias了29次的随机结果；所以对于data=0这样的小概率事件，也随机到了；
因为ico会影响constrain solver的随机结果，所以复现时，不仅要保证seed一样，还需要额外指定ico database，这样才能正确复现随机结果。生成当前回归所有用例的merge report: html report会罗列所有随机变量：diversity通过shannon entropy 香农熵衡量变量的“多样性”；
在这里插入图片描述
每个变量，ico会自动的划分bins，显示随机详细结果；
ico支持同一个case内多次randomize之间相互影响，也支持一次回归不同case之间相互影响，也可以将本次回归的database作用于下一次回归；
对于ico加速覆盖率收敛的实际效果，博主使用一个block tb亲测效果不太显著；从他人的presentation上看，大概有10%-15%的提升；但是ico对于随机多样性确实是有一定效果的，+ntb_solver_bias_mode_auto可以指定ico对随机的bias力度。
如果ico可以通过ai,el等对功能覆盖率进行反推，缩减重复随机值，那将会大大提高覆盖率收敛，期待后续eda进一步的进化”吧。
电压开关中常见问题及解决方案
西门子博图RD_SINFO：读取当前OB启动信息
中微爱芯高亮恒流LED产品AiP33628、AiP33632简介
NXP边缘处理器是如何保证公共安全的
浅谈IP网络广播系统
VCS ICO的主要功能有哪些呢？
5G+区块链你觉得威力有多大
1060铝箔软连接 0.1铝箔可定制其他规格
三星s7edge安卓7.0你更新了吗？上车啦！小编给你发教程
人工智能放疗计划全面落地,推动智慧医疗创新
TK3030C:三相电能表检定装置
墨奇科技非接触3D指纹采集仪获认定证书
DC电源模块保护内外部电路至关重要
如何解释DS1847/DS1848温度读数-How to I
LCD常用术语对照表
中控智慧科技智能云考勤机FU100简介
纳芯微推出高可靠、高精度和低功耗的温湿度传感器NSHT30
烧向互联网平台企业的“反垄断之火”，会烧到通信企业吗
关于IoT产品库小程序的优势与功能介绍
DNB1101大唐恩智浦工规级电池管理芯片
1. prognosis: 用于查看当前平台是否适用ico，对于都是直接用例测试，没有随机策略的平台，ico并不适用；
2. auto bias:利用设定策略，ico会改变原有constraint solver的行为，施加一定 bias 修正随机值;
3. rca: root cause trace, 用于诊断变量未随机到的bins，是否存在过约束等；
4. delta-debug: 提供replay复现功能，对比两次结果间的差异；
5. autopurge: 当前回归得到的ico database可以用于下一次回归，多次迭代；
ico最主要的功能就是auto bias,宣称使用了ai，机器学习ml，增强学习el等手段，在回归过程中，利用共享case之间的ico database，提高随机多样性；通过一个简单例子演示下：
covergroup cg_data with function sample (input logic valid, logic [7:0] data); cpt_value: coverpoint data iff (valid){ bins zero = {0}; bins others[] ={[1:31]}; illegal_bins invalid = {[32:255]}; }endgroupclass tr extends uvm_transaction; rand logic [7:0] data; constraint c_tr { data inside {[0:31]}; data dist {0:=1,[1:31]:=100}; }endclass
如上，对data的约束中，data=0这一条件的概率很低；
prj := $(shell echo $(curdir) | sed -r 's|/ico_test/.*|/ico_test|')export prjall: comp runall_ico: comp run_icoseed := ${seed}regress_ico: clean mkdir -p ${prj}/comp_src; cd ${prj}/comp_src; cp ${prj}/makefile ${prj}/comp_src; make comp; for i in 1 2; do mkdir -p ${prj}/test_$${i}; cp ${prj}/makefile ${prj}/test_$${i}; cd ${prj}/test_$${i}; ln -s ${prj}/comp_src/simv.daidir simv.daidir; ln -s ${prj}/comp_src/csrc csrc; ln -s ${prj}/comp_src/simv simv; make run_ico seed=$${i}; done make cov_merge; make crg_report;regress: clean mkdir -p ${prj}/comp_src; cd ${prj}/comp_src; cp ${prj}/makefile ${prj}/comp_src; make comp; for i in 1 2; do mkdir -p ${prj}/test_$${i}; cp ${prj}/makefile ${prj}/test_$${i}; cd ${prj}/test_$${i}; ln -s ${prj}/comp_src/simv.daidir simv.daidir; ln -s ${prj}/comp_src/csrc csrc; ln -s ${prj}/comp_src/simv simv; make run seed=$${i}; done make cov_merge;comp: vcs -full64 -kdb -lca -debug_access+all -ntb_opts uvm -sverilog -timescale=1ns/1ns ${prj}/dut.sv ${prj}/top_tb.sv +incdir+${prj} -l comp.logrun_ico: ./simv -l sim.log +ntb_random_seed=${seed} +ntb_solver_bias_mode_auto_config=2 +ntb_solver_bias_shared_record=${prj}/shared_record +ntb_solver_bias_wdir=ico_work +ntb_solver_bias_test_type=uvm +ntb_solver_bias_diag=3 crg_report: crg -dir ${prj}/shared_record -report rpt-auto -format both -merge merged_db -zip 1 -illegal_group -illegal_attrrun: ./simv -l sim.log +ntb_random_seed=${seed}verdi: verdi -ssf top_tb.fsdb &cov_open: verdi -cov -covdir simv_merge.vdb &cov_merge: urg -dir ${prj}/test_1/simv.vdb -dir ${prj}/test_2/simv.vdb -dbname ${prj}/simv_merge.vdbclean: -rm -rf shared_record/ simv* test_* work/ *log urgreport/ vdcovlog/ rpt-auto/ merged_db/ comp_src/ novas.*
make regress跑了两个case，第一个case seed=1，第二个caseseed=2; 通过verdi查看覆盖率报告：跑了两次的回归merge结果： 87.5%
make regress_ico是使能icofeature，结果： 100%
+ntb_solver_bias_diag使能debug信息，默认debug log放在+ntb_solver_bias_wdir指定的ico database下：随机32次，ico影响constrain solver，bias了29次的随机结果；所以对于data=0这样的小概率事件，也随机到了；
因为ico会影响constrain solver的随机结果，所以复现时，不仅要保证seed一样，还需要额外指定ico database，这样才能正确复现随机结果。生成当前回归所有用例的merge report: html report会罗列所有随机变量：diversity通过shannon entropy 香农熵衡量变量的“多样性”；
在这里插入图片描述
每个变量，ico会自动的划分bins，显示随机详细结果；
ico支持同一个case内多次randomize之间相互影响，也支持一次回归不同case之间相互影响，也可以将本次回归的database作用于下一次回归；
对于ico加速覆盖率收敛的实际效果，博主使用一个block tb亲测效果不太显著；从他人的presentation上看，大概有10%-15%的提升；但是ico对于随机多样性确实是有一定效果的，+ntb_solver_bias_mode_auto可以指定ico对随机的bias力度。
如果ico可以通过ai,el等对功能覆盖率进行反推，缩减重复随机值，那将会大大提高覆盖率收敛，期待后续eda进一步的进化”吧。
电压开关中常见问题及解决方案
西门子博图RD_SINFO：读取当前OB启动信息
中微爱芯高亮恒流LED产品AiP33628、AiP33632简介
NXP边缘处理器是如何保证公共安全的
浅谈IP网络广播系统
VCS ICO的主要功能有哪些呢？
5G+区块链你觉得威力有多大
1060铝箔软连接 0.1铝箔可定制其他规格
三星s7edge安卓7.0你更新了吗？上车啦！小编给你发教程
人工智能放疗计划全面落地,推动智慧医疗创新
TK3030C:三相电能表检定装置
墨奇科技非接触3D指纹采集仪获认定证书
DC电源模块保护内外部电路至关重要
如何解释DS1847/DS1848温度读数-How to I
LCD常用术语对照表
中控智慧科技智能云考勤机FU100简介
纳芯微推出高可靠、高精度和低功耗的温湿度传感器NSHT30
烧向互联网平台企业的“反垄断之火”，会烧到通信企业吗
关于IoT产品库小程序的优势与功能介绍
DNB1101大唐恩智浦工规级电池管理芯片