研究者提出“一种方法基于生成人工智能为异构的国有石油公司帮助修剪复杂的设计空间,根据配置性能目标。”
文摘
“经常遭受under-optimization, Networks-on-Chip(国有)领域特定Systems-on-Chip效率的严重影响。为了应对这个问题,异构国有石油公司都是很有前途的替代方案。然而,优化国有石油公司的设计满足多种性能目标极具挑战性和需要大量的专业知识。之前的作品未能结合许多目标或要求延长设计空间探索的时间。在本文中,我们提出一种方法基于人工智能生成帮助修剪复杂设计空间异构的国有石油公司,根据可配置的性能目标。这是由生殖能力对抗的网络学习和产生相关设计候选目标国有石油公司。我们的解决方案的速度和灵活性使快一代优化国有石油公司,符合用户的期望。通过一些实验,我们展示如何获得竞争NoC设计减少能源消耗没有通信性能或地区相比处罚一个给定的传统NoC设计。”
找到这里的技术论文”,生成人工智能异构Network-on-Chip设计空间修剪。”2022年出版。
马克西姆米尔卡,马克西姆France-Pillois, Gilles Sassatelli Abdoulaye Gamatie。一个生成人工智能异构Network-on-Chip设计空间修剪。日期2022 - 25日设计、自动化和测试在欧洲会展,2022年3月,比利时安特卫普。在出版社。⟨lirmm - 03475912⟩
访问半导体工程的这里的技术论文库和发现更多的芯片行业学术论文。
留下一个回复