隨著測試模式壓縮的落后，需要新的技術來控制測試時間。

自半導體器件僅包含少數門的早期以來，制造測試領域一直專注于如何在最短的時間內檢測出數量最多的潛在缺陷。多年來，這一基本目標沒有改變，并在5nm及以后繼續存在。

然而，多年來發生巨大變化的是用于實現最大效率的各種技術。在早期，功能模式用于測試設備，并且對這些模式進行故障分級以確定實現的覆蓋范圍。隨著設備尺寸的增長，創建一組有效的功能模式以達到必要的質量水平很快變得太困難了。隨著基于掃描的測試的發展，這導致了結構測試的出現，多年來，它提供了必要的測試效率，直到指數級的設計尺寸增長最終造成了損失。

通常情況下，需求推動創新，測試模式壓縮的概念被開發出來以應對快速增長的模式數量。在過去十五年左右的時間里，測試模式壓縮算法已經發展到穩步提高可實現的壓縮級別，如今已達到 1000 倍。算法壓縮現在正在失去動力，需要新技術來控制測試時間。一種非常有前途的新方法是使用機器學習技術來幫助指導模式生成過程。初步實驗結果表明，測試模式數量顯著減少。

另一種使用量迅速增長的方法從完全不同的角度解決了測試時間縮短問題。與其試圖進一步改進壓縮算法，不如修改設計本身，使其本質上更易于測試，從而需要更少的測試模式。這種方法涉及對網表進行小的局部修改，稱為測試點，以提高特定內部信號的可控性或可觀察性。通常，添加的測試點越多，測試模式的減少就越大。

然而，使用測試點的一個主要問題是它們施加的額外區域。最終需要 3% 到 5% 的區域開銷來實現所需的模式數量減少的情況并不少見。現在，由于每個測試點都由一個觸發器組成，該觸發器驅動添加到功能網絡中的幾個門，因此可以通過在多個測試點之間共享觸發器來大幅減少總區域開銷。最多可減少十倍的面積開銷。

但是，在物理上靠近的測試點之間共享翻牌至關重要。如果沒有身體意識，你最終會得到一堆無法布線的擁擠的電線。Synopsys 集成解決方案由用于測試點選擇的 SpyGlass DFT ADV 和用于物理感知測試點合成的 DFTMAX 組成，獨特地避免了這一巨大問題。

測試挑戰曲線看不到盡頭。毫無疑問，需要持續不斷的測試解決方案創新，以跟上不斷增長的設計尺寸以及不斷發展的質量和可靠性要求。

審核編輯：郭婷