Knowledge Graphs, the Missing Link in Agentic AI-based Formal Verification
Dit artikel stelt een verificatiegerichte Kennisgraf voor die gestructureerde tussenrepresentaties uit specificaties, RTL en feedback van formele tools integreert om een multi-agent workflow te sturen, waardoor de gronding, compileerbaarheid en dekking van door LLM's gegenereerde SystemVerilog-asserties voor formele verificatie aanzienlijk worden verbeterd.
Oorspronkelijk artikel vrijgegeven aan het publieke domein onder CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je probeert een enorm, ongelooflijk complex LEGO-kasteel te bouwen op basis van een geschreven instructiehandleiding. De handleiding is in gewoon Engels geschreven, maar het kasteel wordt gebouwd met duizenden kleine, specifieke steentjes (het hardware-ontwerp).
Het Probleem:
In de wereld van chipontwerp gebruiken ingenieurs "Formele Verificatie" om wiskundig te bewijzen dat het kasteel niet zal instorten. Om dit te doen, schrijven ze een reeks strikte regels genaamd SystemVerilog Assertions (SVAs). Deze regels zeggen dingen als: "Als de rode knop wordt ingedrukt, moet de blauwe deur binnen 3 seconden openen."
Traditioneel is het schrijven van deze regels een nachtmerrie. Het vereist dat een mens de rommelige Engelse handleiding leest, kijkt naar de complexe LEGO-structuur en deze vertaalt naar perfecte, foutloze code. Als de handleiding vaag is of de mens een klein detail over een specifiek steentje mist, faalt de regel en crasht het hele verificatieproces.
Recentelijk is Kunstmatige Intelligentie (AI) gebruikt om deze regels automatisch te schrijven. Maar de AI raakt vaak in de war. Het leest de handleiding maar "ziet" de LEGO-steentjes niet, wat leidt tot regels die grammaticaal onjuist zijn of geen zin hebben voor het daadwerkelijke ontwerp.
De Oplossing: Een "Digitale Bibliothecaris" (De Kennisgrafiek)
Dit paper stelt een nieuwe manier voor om de AI te helpen. In plaats van de AI alleen de handleiding te laten lezen en raden, hebben de auteurs een Kennisgrafiek (KG) gebouwd.
Stel je de Kennisgrafiek voor als een super-georganiseerde digitale bibliothecaris die drie dingen verbindt:
- De Instructies: De originele Engelse eisen.
- De Blauwdruk: Het daadwerkelijke hardware-ontwerp (de LEGO-steentjes).
- De Feedback: De resultaten van de verificatietools (bijvoorbeeld: "Deze regel is mislukt omdat de deur niet snel genoeg opende").
De bibliothecaris slaat deze niet op als losse stapels papier. Het creëert een web van connecties. Als je de bibliothecaris vraagt over een specifieke regel, haalt het direct de exacte zin uit de handleiding, het specifieke steentje waar het naar verwijst, en eerdere fouten die zijn opgetreden bij vergelijkbare regels.
Hoe het Team Werkt (De Multi-Agent Workflow)
De auteurs hebben niet alleen de bibliothecaris gebouwd; ze hebben een team van gespecialiseerde AI-"agenten" ingehuurd om ermee te werken. Stel je een bouwteam voor waar iedereen een specifieke taak heeft:
- De Architect (Eigendomsgegenereatie): Deze agent kijkt naar de handleiding en de connecties van de bibliothecaris om de initiële regels te schrijven. Omdat de bibliothecaris de exacte context biedt, zijn de regels veel waarschijnlijker vanaf het begin correct.
- De Grammatica-Politie (Syntaxiscorrectie): Als de regels typfouten of coderingsfouten bevatten, corrigeert deze agent ze. Het gebruikt de bibliothecaris om te controleren of een "ontbrekend steentje" eigenlijk een ontbrekende definitie in de code is.
- De Detective (CEX-correctie): Soms faalt een regel omdat het ontwerp eigenlijk defect is, of omdat de regel te streng was. Deze agent bekijkt de "misdaadplek" (het foutenrapport), controleert de blauwdruk en herschrijft de regel om eerlijker te zijn of corrigeert het misverstand.
- De Inspecteur (Dekkingverbetering): Deze agent controleert of er delen van het kasteel zijn die nog niet zijn getest. Zo ja, dan vraagt het de bibliothecaris om nieuwe regels om die specifieke gebieden te testen.
De Resultaten
Het team heeft dit systeem getest op zeven verschillende "kastelen" (chipontwerpen), variërend van simpele tellers tot complexe geheugensystemen.
- Succes: Het systeem produceerde consequent regels die de computer daadwerkelijk kon lezen en uitvoeren (compileerbare code). Het verminderde het aantal "typfouten" en basisfouten drastisch.
- Dekking: Het systeem slaagde erin het gedrag van het ontwerp tussen 78,5% en 99,4% te verifiëren, wat een zeer hoog succespercentage is.
- De Limiet: Hoewel het systeem geweldig is in het oplossen van kleine fouten en het verbinden van punten, heeft het nog steeds moeite met de moeilijkste puzzels. Als een regel complexe, langetermijnlogica vereist (zoals "als dit vandaag gebeurt, moet het dat gebeurtenis drie dagen van invloed zijn"), blijft de AI soms steken, zelfs met de hulp van de bibliothecaris.
Samenvattend
Dit paper introduceert een systeem waarbij AI niet alleen raadt hoe computerchips moeten worden geverifieerd. In plaats daarvan gebruikt het een gestructureerde kaart (Kennisgrafiek) om de geschreven eisen direct te koppelen aan het hardware-ontwerp en de testresultaten. Dit stelt een team van AI-specialisten in staat om verificatieregels veel betrouwbaarder te schrijven, te repareren en te verbeteren dan voorheen, waardoor een chaotisch radspel wordt omgezet in een gestructureerd, traceerbaar proces.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.