Fugu-MT 論文翻訳(概要): Circuit as Set of Points

論文の概要: Circuit as Set of Points

arxiv url: http://arxiv.org/abs/2310.17418v1
Date: Thu, 26 Oct 2023 14:22:43 GMT
ステータス: 処理完了
システム内更新日: 2023-10-27 19:57:50.332635
Title: Circuit as Set of Points
Title（参考訳）: 点集合としての回路
Authors: Jialv Zou, Xinggang Wang, Jiahao Guo, Wenyu Liu, Qian Zhang, Chang Huang
Abstract要約: 本稿では,回路部品を点雲として扱うことにより,回路設計の新しい視点を提案する。このアプローチは、プリプロセッシングなしで生データから直接の機能抽出を可能にし、エンドツーエンドのトレーニングを可能にし、高いパフォーマンスをもたらす。
参考スコア（独自算出の注目度）: 39.14967611962792
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As the size of circuit designs continues to grow rapidly, artificial intelligence technologies are being extensively used in Electronic Design Automation (EDA) to assist with circuit design. Placement and routing are the most time-consuming parts of the physical design process, and how to quickly evaluate the placement has become a hot research topic. Prior works either transformed circuit designs into images using hand-crafted methods and then used Convolutional Neural Networks (CNN) to extract features, which are limited by the quality of the hand-crafted methods and could not achieve end-to-end training, or treated the circuit design as a graph structure and used Graph Neural Networks (GNN) to extract features, which require time-consuming preprocessing. In our work, we propose a novel perspective for circuit design by treating circuit components as point clouds and using Transformer-based point cloud perception methods to extract features from the circuit. This approach enables direct feature extraction from raw data without any preprocessing, allows for end-to-end training, and results in high performance. Experimental results show that our method achieves state-of-the-art performance in congestion prediction tasks on both the CircuitNet and ISPD2015 datasets, as well as in design rule check (DRC) violation prediction tasks on the CircuitNet dataset. Our method establishes a bridge between the relatively mature point cloud perception methods and the fast-developing EDA algorithms, enabling us to leverage more collective intelligence to solve this task. To facilitate the research of open EDA design, source codes and pre-trained models are released at https://github.com/hustvl/circuitformer.
Abstract（参考訳）: 回路設計の規模が急速に拡大するにつれて、人工知能技術は回路設計を支援する電子設計自動化(eda)で広く使われている。配置とルーティングは物理設計プロセスの最も時間を要する部分であり、配置を迅速に評価する方法がホットな研究テーマとなっている。先行研究は、回路設計を手作りの手法で画像に変換し、その後畳み込みニューラルネットワーク(cnn)を使用して、手作りの方法の品質によって制限されエンドツーエンドのトレーニングを達成できない特徴を抽出するか、回路設計をグラフ構造として扱うか、グラフニューラルネットワーク(gnn)を使用して時間を要する特徴を抽出するかのどちらかであった。本研究では,回路成分を点雲として処理し,トランスフォーマティブに基づく点雲知覚手法を用いて回路から特徴を抽出することで回路設計の新しい展望を提案する。このアプローチは、プリプロセッシングなしで生データから直接の機能抽出を可能にし、エンドツーエンドのトレーニングを可能にし、高いパフォーマンスをもたらす。実験の結果,本手法は回路網およびispd2015データセットの混雑予測タスクや,回路網データセットにおける設計規則チェック(drc)違反予測タスクにおいて,最先端の性能が得られることがわかった。提案手法は,比較的成熟したポイントクラウド知覚手法と高速に開発されるedaアルゴリズムの橋渡しとなる。オープンなEDA設計の研究を容易にするため、ソースコードと事前訓練されたモデルはhttps://github.com/hustvl/circuitformer.comでリリースされている。

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)
Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
論文参考訳（メタデータ） (2024-03-21T02:33:37Z)
A Lightweight Inception Boosted U-Net Neural Network for Routability Prediction [16.134273665672055]
Inception組み込みモジュールによって強化された新しいU-Net変種モデルを提案し、ルーティングの混雑を予測する。最近発表されたCircuitNetのベンチマーク実験の結果,提案手法は最大5% (RC) と20% (DRC) の削減を達成した。
論文参考訳（メタデータ） (2024-02-07T07:32:03Z)
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)
Learning to Design Analog Circuits to Meet Threshold Specifications [2.5818330243826924]
本稿では,シミュレーションデータから,しきい値仕様を満たす回路の設計を訓練可能なデータセットを生成する手法を提案する。提案手法は,5%の誤差マージンで90%以上の成功率を達成するとともに,データ効率を1桁以上の精度で向上することを示す。
論文参考訳（メタデータ） (2023-07-25T23:25:05Z)
Intelligent Circuit Design and Implementation with Machine Learning [0.0]
幅広いチップ設計段階をカバーする複数の高速かつ正確な機械学習モデルを提示します。完全に自動化されたパワーモデリングフレームワークであるAPOLLOを紹介します。私はまた、早期のroutability予測のためにRouteNetを提示します。
論文参考訳（メタデータ） (2022-06-07T06:17:52Z)
Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design [68.1682448368636]
本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
論文参考訳（メタデータ） (2022-03-29T21:18:47Z)
Domain Knowledge-Based Automated Analog Circuit Design with Deep Reinforcement Learning [6.599793419469274]
本稿では,アナログ回路の設計を高速化する深層強化学習法を提案する。実験結果から,既存のベストパフォーマンス手法の1.5倍の効率で,人間レベルの設計精度(99%)を達成できた。
論文参考訳（メタデータ） (2022-02-26T16:56:45Z)
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)

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。