[AI学术] 基于词典引导的硬件描述语言自动修复突变算子

自动修复硬件描述语言（HDL）设计面临搜索空间庞大和语法、语义约束严格的双重挑战。传统的通用突变策略往往产生大量语法错误的候选，导致编译和仿真资源浪费；而基于综合或模板的方法则在通用性和可移植性上受限。本文提出一种词典引导的 HDL 修复系统，核心由两部分组成：

1. 基于 ANTLR 生成的 DUT‑specific 突变词典，提供类别约束的 token 替换、插入和删除操作；这些操作通过正则匹配直接作用于 Verilog 源码，无需抽象语法树或综合步骤。

2. 仿真分歧故障定位（FL）模块，仅需一次仿真即可捕获输出线网的分歧行为，并依据结构距离对源代码行进行打分，指引突变搜索聚焦高可疑区域。

在最高得分的代码行上，系统首先执行确定性遍历，穷尽词典中的所有突变组合；若仍未找到通过的修复，则回退到基于遗传编程（GP）的全局搜索。

在 CirFix 基准套件的六个 DUT 家族上进行评估，本文方法成功修复了 14 种 bug 变体，其中包括一个 6 步编辑的多 bug 实例，CirFix 无法修复；在两步编辑的基准上实现了约 18 倍的加速。实验表明，词典约束的突变算子结合轻量级仿真分歧定位，能够在无需形式化分析或综合依赖的前提下，有效应对常见的 HDL bug。

点评：该工作展示了通过语言层面的词典约束显著提升突变有效率，并利用单次仿真实现快速故障定位，为 HDL 自动修复提供了实用且可扩展的路径。