論文の概要: Circuit Routing Using Monte Carlo Tree Search and Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2006.13607v1
- Date: Wed, 24 Jun 2020 10:34:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 12:51:15.411710
- Title: Circuit Routing Using Monte Carlo Tree Search and Deep Neural Networks
- Title（参考訳）: モンテカルロ木探索とディープニューラルネットワークを用いた回路ルーティング
- Authors: Youbiao He, Forrest Sheng Bao
- Abstract要約: 回路ルーティングを逐次決定問題としてモデル化し,モンテカルロ木探索(MCTS)とディープニューラルネットワーク(DNN)のロールアウトによって解決する。
ランダムに生成された単層回路の実験は、複雑な回路をルーティングする可能性を示している。
提案手法は、逐次A*法やLeeのアルゴリズムのようなベンチマーク手法では解けない問題を解くことができ、バニラMCTS法よりも優れている。
- 参考スコア（独自算出の注目度）: 1.987599364275123
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Circuit routing is a fundamental problem in designing electronic systems such
as integrated circuits (ICs) and printed circuit boards (PCBs) which form the
hardware of electronics and computers. Like finding paths between pairs of
locations, circuit routing generates traces of wires to connect contacts or
leads of circuit components. It is challenging because finding paths between
dense and massive electronic components involves a very large search space.
Existing solutions are either manually designed with domain knowledge or
tailored to specific design rules, hence, difficult to adapt to new problems or
design needs. Therefore, a general routing approach is highly desired. In this
paper, we model the circuit routing as a sequential decision-making problem,
and solve it by Monte Carlo tree search (MCTS) with deep neural network (DNN)
guided rollout. It could be easily extended to routing cases with more routing
constraints and optimization goals. Experiments on randomly generated
single-layer circuits show the potential to route complex circuits. The
proposed approach can solve the problems that benchmark methods such as
sequential A* method and Lee's algorithm cannot solve, and can also outperform
the vanilla MCTS approach.
- Abstract（参考訳）: 回路ルーティングは、集積回路(ic)やプリント回路基板(pcb)などの電子システムの設計において、電子回路やコンピュータのハードウェアを構成する基本的な問題である。
一対のロケーション間のパスを見つけるのと同様に、回路ルーティングは、回路コンポーネントのコンタクトやリードを接続するワイヤのトレースを生成する。
密度の高い電子部品と巨大な電子部品の間の経路を見つけることは、非常に大きな探索空間を必要とするため、これは困難である。
既存のソリューションは手動でドメイン知識で設計するか、特定の設計ルールに合わせて設計されているため、新しい問題や設計ニーズに適応することは困難である。
したがって、一般的なルーティングアプローチが望まれる。
本稿では,回路ルーティングを逐次決定問題としてモデル化し,Deep Neural Network (DNN) によるモンテカルロ木探索(MCTS)により解いた。
より多くのルーティング制約と最適化目標を持つルーティングケースに簡単に拡張できる。
ランダムに生成された単層回路の実験により、複雑な回路をルーティングする可能性を示す。
提案手法は、逐次A*法やLeeのアルゴリズムのようなベンチマーク手法では解けない問題を解くことができ、バニラMCTS法よりも優れている。
関連論文リスト
- AICircuit: A Multi-Level Dataset and Benchmark for AI-Driven Analog Integrated Circuit Design [10.354863964933019]
本稿では,アナログ回路設計における機械学習アルゴリズムの開発と評価のためのベンチマークであるAICircuitを提案する。
回路設計における機械学習のパワーを支える大きな障害は、汎用的で多様なデータセットが利用できることである。
設計仕様から所望の回路パラメータへのマッピング学習におけるMLアルゴリズムの可能性を明らかにする。
論文 参考訳（メタデータ） (2024-07-22T20:32:16Z) - Finding Transformer Circuits with Edge Pruning [71.12127707678961]
自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。
本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。
その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
論文 参考訳（メタデータ） (2024-06-24T16:40:54Z) - CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。
オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。
我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
論文 参考訳（メタデータ） (2023-08-31T02:20:25Z) - Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
シミュレーションの少ない機械学習(ML)アプローチを提案する。
提案手法により,OCCを全回路の仕様に近づけることができることを示す。
論文 参考訳（メタデータ） (2023-06-23T12:57:46Z) - Efficient Quantum Circuit Design with a Standard Cell Approach, with an Application to Neutral Atom Quantum Computers [45.66259474547513]
従来の回路設計から借用した標準セルアプローチを用いて量子回路を設計する。
本稿では,自動ルーティング方式と比較してレイアウト対応ルータが大幅に高速で,より浅い3D回路を実現することを示す。
論文 参考訳（メタデータ） (2022-06-10T10:54:46Z) - Ranking Cost: Building An Efficient and Scalable Circuit Routing Planner
with Evolution-Based Optimization [49.207538634692916]
そこで我々は、効率よくトレーニング可能なルータを形成するための新しい回路ルーティングアルゴリズム、Randing Costを提案する。
提案手法では,A*ルータが適切な経路を見つけるのに役立つコストマップと呼ばれる新しい変数群を導入する。
我々のアルゴリズムはエンドツーエンドで訓練されており、人工データや人間の実演は一切使用しない。
論文 参考訳（メタデータ） (2021-10-08T07:22:45Z) - On the realistic worst case analysis of quantum arithmetic circuits [69.43216268165402]
量子回路の設計における直観は誤解を招く可能性があることを示す。
また,T数を減らすことで,全深度を増大させることができることを示した。
リップルキャリーを用いた加算回路と乗算回路について述べる。
論文 参考訳（メタデータ） (2021-01-12T21:36:16Z) - Using Reinforcement Learning to Perform Qubit Routing in Quantum
Compilers [0.0]
深層Q-ラーニングパラダイムの修正版を用いたキュービットルーティング手法を提案する。
このシステムは、現在利用可能な最も先進的な量子コンパイラの2つから、キュービットルーティング手順を上回ります。
論文 参考訳（メタデータ） (2020-07-31T10:57:24Z) - Attention Routing: track-assignment detailed routing using
attention-based reinforcement learning [0.23453441553817037]
そこで我々は新しいルータであるアテンションルータを提案する。このルータは、強化学習を用いてトラック割り当ての詳細ルーティング問題を解決するための最初の試みである。
注目ルータとそのベースライン遺伝ルータは、異なる商用先進技術アナログ回路の問題を解決するために応用される。
論文 参考訳（メタデータ） (2020-04-20T17:50:13Z)
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。