抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年,電子設計自動化(EDA)における意思決定インテリジェンスの採用が増大しており,これは,手動の努力を減らし,現代のツールフローにおける設計閉鎖プロセスをブーストすることを目指している。しかしながら,既存の手法は,多数のラベル付きデータおよび高価な訓練努力を必要とするか,あるいは計算オーバヘッドによる実際のEDAツールフロー統合に限定されている。本論文では,新しい高性能ドメイン固有マルチステージマルチアームバンド(MAB)アプローチを用いて,合成フロー最適化のための一般的エンドツーエンド逐次意思決定フレームワークフローTuneを提示した。このフレームワークは,Boole Satifibilityのための,a)Anv-Inv-Hubbard(#ノード),b)結合正規形式(CNF)最小化(#claus)のようなBoole最適化問題に関する最適化問題を扱う。論理合成と技術マッピング問題(例えば,c)ポスト静的タイミング解析(STA)遅延と標準セル技術マッピングのための領域最適化,およびd)6-インLUTアーキテクチャのためのFPGA技術マッピング。さらに,2つの異なるFPGAバックエンドツール(OpenFPGAとVPR)と2つの異なる論理合成表現(AIGsとMIG)を用いて,ポストルーティング段階で評価されたエンドツーエンドFPGA設計フローによる提案ドメイン固有MABアプローチの高い拡張性と一般化可能性を実証した。フローTuneはABC[1],Yosys[2],VTR[3],LSOracle[4],OpenFPGA[5],および産業ツールと完全に統合され,公開されている。流れにおける種々の設計段階で行った実験結果は,著者らのフレームワークが,手作業フロー[1]とML探査フロー[6],[7]を結果の質で凌駕し,MLベース手法と比較して,より高速であることを示した。【JST・京大機械翻訳】