文献

J-GLOBAL ID：202102229924614569   整理番号：21A1300380

ICML:色解析とセグメンテーションを用いた機械学習ベーストランジスタレベル集積回路レイアウトエラー分類【JST・京大機械翻訳】

ICML: Machine Learning-based Transistor-level Integrated Circuit Layout Error Classification using Color Analysis and Segmentation

著者 (5件)： Salvador Rodolfo C. (De La Salle University,Electronics and Communications Engineering Department,Manila,Philippines) ,  Cabatuan Melvin K. (De La Salle University,Electronics and Communications Engineering Department,Manila,Philippines) ,  Concepcion Ronnie (De La Salle University,Electronics and Communications Engineering Department,Manila,Philippines) ,  Ilagan Lorena (University of Perpetual Help System, DALTA,Electronics Engineering Department,Las Pinas City,Philippines) ,  Roque Christian (Center for Applied Microeletronics and Programming, Inc.,Muntinlupa City,Philippines)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： HNICEM  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 集積回路(IC)レイアウト設計は形式化および非形式化制約に適合する必要がある。これらの制約は,設計ルール検査の形で物理的設計ソフトウェアにしばしば埋め込まれている。ICレイアウト設計を,設計規則検査(DRC),レイアウト対図(LVS),および設計技術者の手動検査求心の援助を通して検証した。しかし,エラーのためのあらゆるレイアウト設計を手動で検査することは,遅くて,実用的でない。この問題は,ICレイアウト設計の統合性を検証するために,機械学習,深層学習,コンピュータビジョン法の組み合わせを利用する提案をもたらした。本研究の目的は,ICトランジスタレイアウト誤差を自動的に検出し,分類するための方法論を提示することである。カラーベースの特徴キャラクタリゼーション技術を用いてICレイアウト画像から特徴を抽出した。さらに,多出力-多クラス分類のための機械学習モデルを,ICレイアウト上の誤差を分類するために調査した。マクロ平均,精度,再現,およびF1スコアのような分類計量を用いて,提案システムの性能を評価した。その結果,ランダムフォレストは分類誤差タイプで99.75%を得たが,多層パーセプトロンはトランジスタレベル集積回路レイアウトの誤りサブカテゴリの分類で92.26%を得た。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *集積回路 ,  *セグメンテーション ,  配置設計 ,  ソフトウェア ,  コンピュータビジョン ,  キャラクタリゼーション ,  多層パーセプトロン ,  *機械学習
準シソーラス用語： ランダムフォレスト ,  *集積回路レイアウト ,  多クラス分類 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 色 ,  解析 ,  セグメンテーション ,  機械学習 ,  集積回路レイアウト ,  エラー ,  分類