論文の概要: Encoder-Decoder Networks for Analyzing Thermal and Power Delivery Networks

• arxiv url: http://arxiv.org/abs/2110.14197v1
• Date: Wed, 27 Oct 2021 05:58:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-28 15:07:57.009847
• Title: Encoder-Decoder Networks for Analyzing Thermal and Power Delivery Networks
• Title（参考訳）: 熱・電力供給ネットワーク解析のためのエンコーダデコーダネットワーク
• Authors: Vidya A. Chhabria, Vipul Ahuja, Ashwath Prabhu, Nikhil Patil, Palkesh Jain, Sachin S. Sapatnekar
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.5462871225635664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Power delivery network (PDN) analysis and thermal analysis are computationally expensive tasks that are essential for successful IC design. Algorithmically, both these analyses have similar computational structure and complexity as they involve the solution to a partial differential equation of the same form. This paper converts these analyses into image-to-image and sequence-to-sequence translation tasks, which allows leveraging a class of machine learning models with an encoder-decoder-based generative (EDGe) architecture to address the time-intensive nature of these tasks. For PDN analysis, we propose two networks: (i) IREDGe: a full-chip static and dynamic IR drop predictor and (ii) EMEDGe: electromigration (EM) hotspot classifier based on input power, power grid distribution, and power pad distribution patterns. For thermal analysis, we propose ThermEDGe, a full-chip static and dynamic temperature estimator based on input power distribution patterns for thermal analysis. These networks are transferable across designs synthesized within the same technology and packing solution. The networks predict on-chip IR drop, EM hotspot locations, and temperature in milliseconds with negligibly small errors against commercial tools requiring several hours.
• Abstract（参考訳）: 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。 アルゴリズム的には、どちらの解析も、同じ形式の偏微分方程式の解を含むような計算構造と複雑性を持つ。 本稿では,これらの解析を画像から画像への変換とシーケンスからシーケンスへの変換に変換し,エンコーダデコーダに基づく生成(EDGe)アーキテクチャを用いて機械学習モデルのクラスを活用して,これらのタスクの時間的集約性に対処する。 PDN解析には2つのネットワークを提案する。 i) IREDGe: フルチップの静的および動的IRドロップ予測器および (二)EMEDGe:入力電力、電力グリッド分布、電力パッド分布パターンに基づくエレクトロマイグレーション(EM)ホットスポット分類器。 本研究では,熱解析のための入力電力分布パターンに基づくフルチップの静的・動的温度推定器であるthermedgeを提案する。 これらのネットワークは、同じ技術とパッキングソリューション内で合成された設計間で転送可能である。 ネットワークは、オンチップIRの落下、EMホットスポットの位置、温度をミリ秒単位で予測する。

関連論文リスト

• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Green, Quantized Federated Learning over Wireless Networks: An Energy-Efficient Design [68.86220939532373]
  有限精度レベルは、固定精度フォーマットで重みとアクティベーションを定量化する量子ニューラルネットワーク(QNN)を使用して取得される。 提案するFLフレームワークは,ベースラインFLアルゴリズムと比較して,収束までのエネルギー消費量を最大70%削減することができる。
  論文  参考訳（メタデータ） (2022-07-19T16:37:24Z)
• Physics-informed Convolutional Neural Networks for Temperature Field Prediction of Heat Source Layout without Labeled Data [9.71214034180507]
  本稿では,熱シミュレーションサロゲートのための物理インフォームド畳み込みニューラルネットワーク(CNN)を開発した。 ネットワークは、熱源配置から、ラベル付きデータなしで定常温度場へのマッピングを学習でき、これは部分差分方程式(PDE)の族全体の解法と等しい。
  論文  参考訳（メタデータ） (2021-09-26T03:24:23Z)
• FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
  本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。 FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。 分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
  論文  参考訳（メタデータ） (2021-05-25T08:02:44Z)
• Thermal and IR Drop Analysis Using Convolutional Encoder-Decoder Networks [2.4162779673701187]
  本稿では,エンコーダ・デコーダ・ベース・ジェネレーティブ(EDGe)ネットワークを用いて,高価な温度・電力グリッド解析を行う。 ThermEDGeとIREDGeは、オンチップ温度とIR液滴の輪郭をミリ秒で迅速に予測する。
  論文  参考訳（メタデータ） (2020-09-18T18:29:24Z)
• Machine Learning and Computer Vision Techniques to Predict Thermal Properties of Particulate Composites [0.0]
  本研究では, 粒子状複合材料の熱特性を微視的特徴量に基づいて評価する手法を提案する。 我々のコンピュータビジョンに基づくアプローチは、2次元SEM画像のスタックから3次元画像を構築し、いくつかの代表的要素ボリューム(REV)を抽出する。 深層学習アルゴリズムは畳み込みニューラルネットに基づいて設計され、幾何学の形状をとり、REVの効果的な導電性をもたらす。
  論文  参考訳（メタデータ） (2020-08-27T06:21:40Z)
• Distance-Weighted Graph Neural Networks on FPGAs for Real-Time Particle Reconstruction in High Energy Physics [11.125632758828266]
  FPGA上で1$mumathrms未満のレイテンシで実行できる距離重み付きグラフネットワークの設計方法について論じる。 本研究では,粒子衝突型加速器で動作する次世代熱量計における粒子の再構成と同定に関連する代表的課題について考察する。 我々は、圧縮されたモデルをファームウェアに変換し、FPGA上で実装する。
  論文  参考訳（メタデータ） (2020-08-08T21:26:31Z)
• An unsupervised learning approach to solving heat equations on chip based on Auto Encoder and Image Gradient [0.43512163406551996]
  チップ上での熱伝達方程式を解くことは、今後の5GおよびAIチップパッケージシステムにおいて非常に重要になる。 データ駆動方式はデータ飢餓に対処するため,物理情報ニューラルネットワーク(PINN)が提案されている。 本稿では,データを用いずにチップ上での熱伝達方程式を解くための教師なし学習手法について検討する。
  論文  参考訳（メタデータ） (2020-07-19T15:01:01Z)
• 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)
• Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
  本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。 数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。 我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
  論文  参考訳（メタデータ） (2020-06-02T23:38:35Z)

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。