文献

J-GLOBAL ID：202202239292443296   整理番号：22A0480648

DeepPlacer:深いモデルを用いたカスタム統合OpAmp配置ツール【JST・京大機械翻訳】

DeepPlacer: A custom integrated OpAmp placement tool using deep models

著者 (5件)： Gusmao Antonio (Instituto de Telecomunicacoees, Instituto Superior Tecnico - Universidade de Lisboa, Lisbon, Portugal) ,  Povoa Ricardo (Instituto de Telecomunicacoees, Escola Superior Nautica Infante D. Henrique, Paco de Arcos Lisbon, Portugal) ,  Horta Nuno (Instituto de Telecomunicacoees, Instituto Superior Tecnico - Universidade de Lisboa, Lisbon, Portugal) ,  Lourenco Nuno (Instituto de Telecomunicacoees, Lisbon, Portugal) ,  Martins Ricardo (Instituto de Telecomunicacoees, Lisbon, Portugal)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 115  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自動アナログ集積回路レイアウト設計に向けた機構は,過去数十年間,集中的な研究題目であった。それでも,産業環境は,確立した自動的アプローチを持たなかった。電子設計自動化における機械学習応用の進歩は,この現実を変えることの見込みがある。本論文では,アナログ集積回路基本ブロックの配置「最適化」のための深層学習生成モデルを提案した。モデルは,配置コスト関数のための銀行演算子として挙動し,瞬時に配置解を提供できる。さらに,このモデルはラベルなしデータで供給でき,データ収集を大いに促進する。ネットワーク入力層における一般的で革新的な回路表現を提案し,デバイスの寸法,連結性,およびトポロジー制約を符号化した。さらに,デバイス当りの特徴の次数が入力ベクトルでシャッフルされるので,生成モデルに見られるランダム性を特徴ベクトルに直接埋め込む。入力におけるデバイスの特徴の次数は,マルチモダリティをもたらすだけでなく,特徴ベクトルのデバイスを配置する自然な順序がないので,一般化問題も解決する。概念の証明として,6つの増幅器トポロジーに対して150ms以下の異なる配置解を提案でき,350nmから65nmまでの多重技術ノードにおいて,異なる配置解を提案できる深い人工ニューラルネットワークを実証した。深いPlackerは訓練セットに存在しないトポロジーと技術ノードのための正しい解を生産でき,配置による回路性能を妨げることなく良好な一般化を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *位相幾何学 ,  最適化 ,  増幅器 ,  ベクトル ,  銀行 ,  ネットワーク ,  ニューラルネットワーク ,  費用関数 ,  アナログ集積回路 ,  多重化 ,  配置設計 ,  データ収集 ,  機械学習
準シソーラス用語： 特徴ベクトル ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： アナログ集積回路 ,  人工ニューラルネットワーク ,  深層学習 ,  電子設計自動化 ,  物理的設計 ,  配置

分類 (3件)： 集積回路一般  (NC03161C) ,  CAD,CAM  (JE10000A) ,  半導体集積回路  (NC03162T)

タイトルに関連する用語 (3件)： モデル ,  統合 ,  ツール