論文の概要: EM-GAN: Fast Stress Analysis for Multi-Segment Interconnect Using Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2004.13181v1
• Date: Mon, 27 Apr 2020 21:18:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 04:10:09.430547
• Title: EM-GAN: Fast Stress Analysis for Multi-Segment Interconnect Using Generative Adversarial Networks
• Title（参考訳）: EM-GAN:生成逆ネットワークを用いたマルチセグメントインターコネクションの高速応力解析
• Authors: Wentian Jin, Sheriff Sadiqbatcha, Jinwei Zhang, Sheldon X.-D. Tan
• Abstract要約: 生成対向ネットワーク(GAN)を用いた多セグメント配線の高速過渡応力解析によるエレクトロマイグレーション(EM)故障評価法を提案する。 提案したアルゴリズムはEM-GANと呼ばれ、与えられた老化時間に対して、一般的なマルチセグメントワイヤツリーの正確な応力分布を迅速に得ることができる。
• 参考スコア（独自算出の注目度）: 2.7323347531070974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a fast transient hydrostatic stress analysis for electromigration (EM) failure assessment for multi-segment interconnects using generative adversarial networks (GANs). Our work leverages the image synthesis feature of GAN-based generative deep neural networks. The stress evaluation of multi-segment interconnects, modeled by partial differential equations, can be viewed as time-varying 2D-images-to-image problem where the input is the multi-segment interconnects topology with current densities and the output is the EM stress distribution in those wire segments at the given aging time. Based on this observation, we train conditional GAN model using the images of many self-generated multi-segment wires and wire current densities and aging time (as conditions) against the COMSOL simulation results. Different hyperparameters of GAN were studied and compared. The proposed algorithm, called {\it EM-GAN}, can quickly give accurate stress distribution of a general multi-segment wire tree for a given aging time, which is important for full-chip fast EM failure assessment. Our experimental results show that the EM-GAN shows 6.6\% averaged error compared to COMSOL simulation results with orders of magnitude speedup. It also delivers 8.3X speedup over state-of-the-art analytic based EM analysis solver.
• Abstract（参考訳）: 本稿では, ジェネレーティブ・ディバイザリ・ネットワーク(GAN)を用いた多セグメント配線における静電マイグレーション(EM)故障評価のための高速過渡的静水圧応力解析を提案する。 我々の研究はganベースの生成型ディープニューラルネットワークの画像合成機能を活用する。 偏微分方程式によりモデル化された多セグメント配線の応力評価は、入力が多セグメント配線トポロジーと電流密度とを接続し、出力が所定の経時における電線セグメントのem応力分布である時変2d画像対画像問題と見なすことができる。 本研究は,COMSOLシミュレーション結果に対して,多くの自己生成多セグメントワイヤとワイヤ電流密度と経時時間(条件として)の画像を用いて条件付きGANモデルを訓練する。 GANの異なるハイパーパラメータの研究と比較を行った。 提案するアルゴリズムは"it em-gan"と呼ばれ、一般的なマルチセグメントワイヤツリーの応力分布を所定の老化時間に素早く与えることができ、これはフルチップの高速em障害評価に重要である。 実験の結果, EM-GAN は COMSOL シミュレーションの結果に比べて6.6 % の誤差を示した。 また、最先端分析ベースのEM解析解法よりも8.3倍のスピードアップを提供する。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Generative Adversarial Network with Soft-Dynamic Time Warping and Parallel Reconstruction for Energy Time Series Anomaly Detection [0.0]
  本研究では,エネルギー時系列データにおける逐次異常検出にDCGAN (Deep Convolutional Generative Adversarial Network) を用いる。 異常検出は、エネルギーサブシーケンスを再構成するために勾配降下を伴い、ジェネレータネットワークを介してそれらを生成するノイズベクトルを同定する。
  論文  参考訳（メタデータ） (2024-02-22T08:54:57Z)
• GAN-driven Electromagnetic Imaging of 2-D Dielectric Scatterers [4.510838705378781]
  逆散乱問題は、それらが不適切で非線形であるという事実を考えると、本質的に困難である。 本稿では、生成的対向ネットワークに依存する強力なディープラーニングに基づくアプローチを提案する。 適切に設計された高密度層からなる凝集性逆ニューラルネットワーク(INN)フレームワークが設定される。 トレーニングされたINNは、平均2進クロスエントロピー(BCE)損失が0.13ドル、構造類似度指数(SSI)が0.90ドルであることを示す。
  論文  参考訳（メタデータ） (2024-02-16T17:03:08Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• A synchronization-capturing multi-scale solver to the noisy integrate-and-fire neuron networks [0.0]
  NLIFモデルは、相互作用する多粒子系と相互作用するニューロンネットワークの電圧構成を顕微鏡レベルで記述する。 マクロモデルでは、アクティブな発射イベントとかなり同期したネットワークをシミュレートする際に有効な結果が得られない。 NLIFネットワークのためのマルチスケールソルバを提案し、マクロソルバの低コストと顕微鏡ソルバの信頼性を継承する。
  論文  参考訳（メタデータ） (2023-05-10T05:58:57Z)
• Multilayer Perceptron Based Stress Evolution Analysis under DC Current Stressing for Multi-segment Wires [8.115870370527324]
  エレクトロマイグレーション(EM)は、超大規模統合(VLSI)システムの信頼性解析における主要な関心事の一つである。 従来の手法はしばしば十分に正確ではないため、特に高度な技術ノードにおいて、望ましくない過設計につながる。 本稿では,多層パーセプトロン(MLP)を用いて,空核形成フェーズにおける相互接続木間の応力変化を計算する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-17T07:38:20Z)
• Encoder-Decoder Networks for Analyzing Thermal and Power Delivery Networks [2.5462871225635664]
  電力供給ネットワーク(PDN)解析と熱分析は、IC設計の成功に不可欠な計算コストの高いタスクである。 本稿では,これらの解析結果を画像から画像へ,シーケンスからシーケンスへ変換するタスクに変換する。 ネットワークは、オンチップIRドロップ、EMホットスポット位置、ミリ秒間の温度を、無視できる限り小さな誤差で予測する。
  論文  参考訳（メタデータ） (2021-10-27T05:58:30Z)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)
• Combining Differentiable PDE Solvers and Graph Neural Networks for Fluid Flow Prediction [79.81193813215872]
  我々は,従来のグラフ畳み込みネットワークと,ネットワーク内部に組込み可能な流体力学シミュレータを組み合わせたハイブリッド(グラフ)ニューラルネットワークを開発した。 ニューラルネットワークのCFD予測の大幅な高速化により,新たな状況に十分対応できることが示される。
  論文  参考訳（メタデータ） (2020-07-08T21:23:19Z)
• Multipole Graph Neural Operator for Parametric Partial Differential Equations [57.90284928158383]
  物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。 線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。 実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
  論文  参考訳（メタデータ） (2020-06-16T21:56:22Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。