研究人员提出一个基于深度学习框架PowerPlanningDL预测初始电网设计,显示神经网络训练和电网之间的等价性的设计。
学术研究论文从部门CSE, IIT Guwahatim,印度。
文摘:
”在芯片设计的复杂性,提高VLSI物理设计已经成为一项非常耗时的任务,这是一个迭代的设计过程。电力规划,平面布置图的一部分在VLSI物理设计电网网络设计是为了提供足够的所有底层的功能块。电力规划也需要多个迭代步骤创建电网网络在满足允许最坏的IR降和电迁移(EM)保证金。第一次介绍了深度学习大约(DL)的框架来预测电网网络的初始设计,考虑不同可靠性约束。拟议的框架可以减少许多迭代设计步骤和加速总设计周期。神经网络的多目标回归技术是用于创建DL模型。进行特征提取,训练数据集生成一些电网设计平面布置图的提取从IBM处理器。DL模型训练使用生成的数据集。拟议中的DL-based框架是验证使用一套新的电网规范(通过微扰中使用的设计培训阶段)。结果表明,预测电网设计更接近原设计用最少的预测误差(~ 2%)。 The proposed DL-based approach also improves the design cycle time with a speedup of ~6X for standard power grid benchmarks.”
找到技术论文链接在这里或IEEEXplore这里。出版于2020年。
戴伊,美国南帝和g Trivedi PowerPlanningDL: Reliability-Aware芯片上的电网框架设计使用深度学习,“2020年设计、自动化和测试在欧洲会议与展览(日期),2020年。
留下一个回复