論文の概要: A general approach for identifying hierarchical symmetry constraints for
analog circuit layout
- arxiv url: http://arxiv.org/abs/2010.00051v1
- Date: Wed, 30 Sep 2020 18:34:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 00:30:39.836411
- Title: A general approach for identifying hierarchical symmetry constraints for
analog circuit layout
- Title（参考訳）: アナログ回路レイアウトにおける階層対称性制約の一般化
- Authors: Kishor Kunal, Jitesh Poojary, Tonmoy Dhar, Meghna Madhusudan, Ramesh
Harjani, Sachin S. Sapatnekar
- Abstract要約: 本稿では,対称性制約の自動生成のための一般的な方法論を提案する。
提案手法は階層的に動作し,複数の対称性の軸を回路内で抽出するためにグラフベースのアルゴリズムを用いる。
このアルゴリズムの重要な要素は、繰り返される構造の配列を識別する能力である。
- 参考スコア（独自算出の注目度）: 2.249249418652524
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analog layout synthesis requires some elements in the circuit netlist to be
matched and placed symmetrically. However, the set of symmetries is very
circuit-specific and a versatile algorithm, applicable to a broad variety of
circuits, has been elusive. This paper presents a general methodology for the
automated generation of symmetry constraints, and applies these constraints to
guide automated layout synthesis. While prior approaches were restricted to
identifying simple symmetries, the proposed method operates hierarchically and
uses graph-based algorithms to extract multiple axes of symmetry within a
circuit. An important ingredient of the algorithm is its ability to identify
arrays of repeated structures. In some circuits, the repeated structures are
not perfect replicas and can only be found through approximate graph matching.
A fast graph neural network based methodology is developed for this purpose,
based on evaluating the graph edit distance. The utility of this algorithm is
demonstrated on a variety of circuits, including operational amplifiers, data
converters, equalizers, and low-noise amplifiers.
- Abstract（参考訳）: アナログレイアウト合成では、回路ネットリスト内のいくつかの要素をマッチングして対称に配置する必要がある。
しかし、対称性のセットは非常に回路固有であり、多種多様な回路に適用可能な多用途アルゴリズムは、不可解である。
本稿では,対称性制約の自動生成のための一般的な手法を提案し,これらの制約を自動レイアウト合成のガイドに適用する。
従来の手法は単純な対称性の同定に限られていたが、提案手法は階層的に動作し、グラフベースのアルゴリズムを用いて回路内の複数の対称性軸を抽出する。
このアルゴリズムの重要な要素は、繰り返し構造の配列を特定する能力である。
一部の回路では、反復構造は完全な複製ではなく、近似グラフマッチングによってのみ発見できる。
この目的のために,グラフ編集距離の評価に基づく高速グラフニューラルネットワークに基づく手法を開発した。
このアルゴリズムの有用性は、演算増幅器、データ変換器、等化器、低雑音増幅器など、様々な回路で実証されている。
関連論文リスト
- Automated Placement of Analog Integrated Circuits using Priority-based Constructive Heuristic [0.0]
われわれは,いわゆるポケット,合併の可能性,デバイス間のパラメトリジブルな最小距離を必要とする,特定の種類のアナログ配置に注目した。
我々の解は回路の境界ボックスの周長と近似ワイヤ長を最小化する。
本手法は,手作業による設計を伴い,合成された産業事例と実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実
論文 参考訳（メタデータ） (2024-10-18T07:16:59Z) - Graph Attention-Based Symmetry Constraint Extraction for Analog Circuits [15.126046083792597]
アナログ回路レイアウトにおける対称制約を自動的に抽出するグラフベースの学習フレームワークを提案する。
提案フレームワークは,回路の接続特性とデバイス情報を利用して,対称制約の一般規則を学習する。
論文 参考訳（メタデータ） (2023-12-22T03:10:59Z) - Diagrammatic Analysis for Parameterized Quantum Circuits [0.0]
本稿では、特にパラメータ化量子回路に適したZX計算の拡張について述べる。
いくつかの新しいZXダイアグラムの書き直し規則とこの設定の一般化を提供する。
ダイアグラム的アプローチは,アルゴリズムの構造と性能に関する有用な洞察を提供する。
論文 参考訳（メタデータ） (2022-04-04T08:26:20Z) - Simulation Paths for Quantum Circuit Simulation with Decision Diagrams [72.03286471602073]
決定図を用いて量子回路をシミュレートする際に選択される経路の重要性について検討する。
我々は、専用のシミュレーションパスを調査できるオープンソースのフレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-01T19:00:11Z) - Neural Network Training with Asymmetric Crosspoint Elements [1.0773924713784704]
実用的な抵抗装置の非対称コンダクタンス変調は、従来のアルゴリズムで訓練されたネットワークの分類を著しく劣化させる。
ここでは、ハミルトニアン Descent という代替の完全並列トレーニングアルゴリズムを記述し、実験的に示す。
我々は、なぜデバイス非対称性が従来のトレーニングアルゴリズムと根本的に相容れないのか、新しいアプローチがどのようにそれを有用な機能として利用するのか、という批判的な直感を提供する。
論文 参考訳（メタデータ） (2022-01-31T17:41:36Z) - Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via
GDPA Linearization [59.87663954467815]
アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。
本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。
実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
論文 参考訳（メタデータ） (2021-09-10T07:01:15Z) - Graph Signal Restoration Using Nested Deep Algorithm Unrolling [85.53158261016331]
グラフ信号処理は、センサー、社会交通脳ネットワーク、ポイントクラウド処理、グラフネットワークなど、多くのアプリケーションにおいてユビキタスなタスクである。
凸非依存型深部ADMM(ADMM)に基づく2つの復元手法を提案する。
提案手法のパラメータはエンドツーエンドでトレーニング可能である。
論文 参考訳（メタデータ） (2021-06-30T08:57:01Z) - Hierarchical compressed sensing [5.39680014668952]
圧縮センシングは、線形測定から構造化信号を回復する手段を提供する信号処理のパラダイムである。
本稿では,効率的な階層型ハードスレッディングに基づくリカバリアルゴリズムを提案する。
この機械を基盤として、機械型通信および量子トモグラフィーにおけるこのフレームワークの実践的応用をスケッチする。
論文 参考訳（メタデータ） (2021-04-06T18:00:01Z) - Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。
新規な構造化融合正規化に基づく一般グラフ推定器を提案する。
提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
論文 参考訳（メタデータ） (2021-03-05T04:42:32Z) - Activation Relaxation: A Local Dynamical Approximation to
Backpropagation in the Brain [62.997667081978825]
活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。
我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
論文 参考訳（メタデータ） (2020-09-11T11:56:34Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳（メタデータ） (2019-12-31T19:00:00Z)
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。