칩렛 기반 AI 시스템 온 칩에서 Known Good Reliable Die 선별을 위한 형식적 기반
Formal Foundations for Known Good Reliable Die Screening in Chiplet-Based AI Systems-on-Chip
칩렛 기반 인공지능 시스템 온 칩(SoC)의 급속한 성장은 반도체 테스트 방법론의 근본적인 공백을 드러냈다. 기존 Known Good Die(KGD) 선별은 조립 전 기능적 정확성을 보장하지만, 조립 후 신뢰성 수명에 대한 확률적 보증은 제공하지 않는다. 이러한 한계를 해결하기 위해, 본 연구는 KGD에서 Known Good Reliable Die(KGRD) 선별로의 전환을 불완전한 조립 전 관측가능성(observability)에 대한 제약 추론 문제로 형식화한다. 이 형식화를 바탕으로 네 가지 상호 연계된 기여가 제시된다: (i) 조립 전 텔레메트리를 조립 후 고장 가능도로 매핑하고 정량화된 관측가능성 바이어스 상한을 제공하는 베이지안 확률적 위험 모델; (ii) 증명 가능한 조립 후 고장 확률 보증을 제공하는 안전성 게이트 결정 아키텍처; (iii) 베이즈 최적 결정 이론에서 도출된 불확실성 인식 처분(disposition) 경계; (iv) 신뢰성 제약을 위반하지 않으면서 일관된 모델 개선을 제공하는 제약 폐루프 피드백 메커니즘. N = 4,000개의 합성 다이(die)에 대한 몬테카를로 시뮬레이션 연구는 네 가지 이론적 성질을 모두 검증하고, 안전성 보증이 테스트된 게이트 임계값의 전 범위에 걸쳐 균일하게 성립함을 확인한다.