LSIの設計・テスト・CADアルゴリズムに関する研究

どのような製品に対しても，それが正しく動くことを保証するためにテストが必要である．LSI（大規模集積回路）においても同様であるが，LSI は非常に複雑であるのでテストが非常に困難である．そのため，設計の段階からテストのことを考慮に入れておく必要がある．もしテストのことを考慮せずに設計された LSI は，テストすることができないと言える．今日の LSI の設計はコンピュータなしでは行うことができず，コンピュータ利用したコンピュータ援用設計 （Computer Aided Design: CAD)とよばれている．

• テストパターン生成
  LSI に故障があると仮定し，その故障を検出するための入力パターン（テストパターン）を生成する問題．
  —> (さらに詳しく)
• テスト圧縮
  テストにかかる時間を短くするためには，テストに用いる入力パターン数を少なくすることが必要である．テスト圧縮とはテストの質を落とさずに入力パターン数を少なくする問題．
  → (さらに詳しく)
• テスト時の消費電力削減
  LSI は熱に非常に弱い．テスト時の LSI の消費電力を削減する問題．
  → (さらに詳しく)
• トロイ回路を検出する問題
  外部の設計者や製造者によって，意図しない動作となるように埋め込まれた回路を検出する問題．
  → (さらに詳しく)

現実的制御／計画問題の実質的解決に関する研究

身の回りには多くの制御問題，計画問題があります．それらの最適解を求めることは，理想ではありますが，実際にはほぼ不可能です．

そこで，最適解を求める代わりに，最適解に近しい解を結果的に生成するルール・ベースを構築することを目指す研究を進めています．

おおまかな方向として，問題の規模を，

• 容易に解ける小規模問題;
• スパコンなどを使えば解ける中規模問題;
• 現在の科学技術では解けない大規模問題;

と分類し，

• 弱スケーラブルとは，小規模問題で最適，かつ中規模問題で準最適な解を生成すること;
• 強スケーラブルとは，小規模問題で最適，かつ大規模問題で準最適な解を生成すること;

というように性質を定義して，

• 弱スケーラブルなルール・ベースは，強スケーラブルであることが多い;

という仮説のもと， 弱スケーラブルなルール・ベースの構築を目指しています．

弱スケーラブルなルール・ベースを構築するために，

• 分枝限定法，整数線形計画法，動的計画法などに関する知見を活かして，小規模問題の最適解を高速に求めるための定式化や手法の開発;
• MPI や GPGPU に関する知見を活かして，中規模問題を最適に解くことができる手法の開発;
• 人工神経回路網や遺伝的アルゴリズムに関する知見，深層学習技術を用いて，ルール・ベースが基づく特徴量 (決定影響量) 関数を機械的に構成する手法の開発;

を進めています．

また，組合せ論理回路設計問題の整数線形計画問題としての定式化など，新たな問題へのアプローチも，少しずつ，進めています．