一种基于深度学习的AI芯片测试参数自适应优化方法

本发明涉及深度学习技术领域，具体为一种基于深度学习的AI芯片测试参数自适应优化方法，包括采集AI芯片的历史测试数据，基于所述历史测试数据计算不同失效模式之间的相关性强度；根据边权值识别失效耦合矩阵，将预设的静态检测参数约束边界转换为随失效检测状态变化的动态约束空间；构建多层级优化架构，上层执行失效类型相关性分析并生成约束传播信息，中层基于约束传播信息对参数簇进行优化，下层对单个检测参数进行调节，输出参数优化结果；建立神经网络映射模型，获取检测参数与失效类型之间的非线性映射关系；基于物理状态参数，调整非线性映射关系，更新动态约束空间，并重新执行参数优化，输出参数优化结果，输出最优测试参数组合。