論文の概要: RLPlanner: Reinforcement Learning based Floorplanning for Chiplets with Fast Thermal Analysis

• arxiv url: http://arxiv.org/abs/2312.16895v1
• Date: Thu, 28 Dec 2023 08:36:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-29 16:46:06.473442
• Title: RLPlanner: Reinforcement Learning based Floorplanning for Chiplets with Fast Thermal Analysis
• Title（参考訳）: RLPlanner:高速熱分析によるチップレットの強化学習に基づくフロアプランニング
• Authors: Yuanyuan Duan, Xingchen Liu, Zhiping Yu, Hanming Wu, Leilai Shao and Xiaolei Zhu
• Abstract要約: 近年、チップレットベースのシステムは、低コストで競争力のある性能のため、大きな注目を集めている。 本稿では,新しい高速熱評価法により,チップレット系システムのための効率的な初期フロアプランニングツール RLPlanner を紹介する。
• 参考スコア（独自算出の注目度）: 1.0071303316424576
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chiplet-based systems have gained significant attention in recent years due to their low cost and competitive performance. As the complexity and compactness of a chiplet-based system increase, careful consideration must be given to microbump assignments, interconnect delays, and thermal limitations during the floorplanning stage. This paper introduces RLPlanner, an efficient early-stage floorplanning tool for chiplet-based systems with a novel fast thermal evaluation method. RLPlanner employs advanced reinforcement learning to jointly minimize total wirelength and temperature. To alleviate the time-consuming thermal calculations, RLPlanner incorporates the developed fast thermal evaluation method to expedite the iterations and optimizations. Comprehensive experiments demonstrate that our proposed fast thermal evaluation method achieves a mean absolute error (MAE) of 0.25 K and delivers over 120x speed-up compared to the open-source thermal solver HotSpot. When integrated with our fast thermal evaluation method, RLPlanner achieves an average improvement of 20.28\% in minimizing the target objective (a combination of wirelength and temperature), within a similar running time, compared to the classic simulated annealing method with HotSpot.
• Abstract（参考訳）: チップレットベースのシステムは、コストの低さと競争力の面から近年大きな注目を集めている。 チップレットベースのシステムの複雑さとコンパクト性が増すにつれて、床計画段階でのマイクロポンプの割り当て、インターコネクト遅延、熱限界について慎重に検討する必要がある。 本稿では,新しい高速熱評価法により,チップレット系システムのための効率的な初期フロアプランニングツール RLPlanner を紹介する。 RLPlannerは、全線長と温度を共同で最小化するために高度な強化学習を採用している。 時間を要する熱計算を緩和するため、RLPlannerは開発した高速熱評価手法を採用し、イテレーションと最適化を高速化する。 総合実験により,提案した高速熱評価法は0.25Kの平均絶対誤差(MAE)を達成し,オープンソースの熱分解器HotSpotと比較して120倍以上のスピードアップを実現することが示された。 RLPlannerは, 高速熱評価法と一体化した場合, 目標目標(線長と温度の組み合わせ)を, 従来の模擬熱処理法とHotSpotとの比較で比較し, 平均20.28\%向上する。

関連論文リスト

• Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management [12.515874333424929]
  熱電冷却器 (TEC) は、高度電子システムにおける局所ホットスポットの直接冷却とアクティブな熱管理のための有望なソリューションを提供する。 TECは空間冷却、暖房、電力消費に大きなトレードオフをもたらす。 本研究では,大域的最適温度を達成できる熱電冷却器の機械学習支援最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-20T18:35:45Z)
• Improving Building Temperature Forecasting: A Data-driven Approach with System Scenario Clustering [3.2114754609864695]
  暖房、換気、空調のシステムは、建築セクターにおけるエネルギー使用量の約40%を消費する。 大規模HVACシステム管理では,各サブシステムに対して詳細なモデルを構築することは困難である。 k平均クラスタリング法に基づく新しいデータ駆動室温予測モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-21T09:04:45Z)
• SmartFRZ: An Efficient Training Framework using Attention-Based Layer Freezing [49.09164307779104]
  モデルトレーニングのための汎用的で効率的なトレーニングフレームワーク(SmartFRZ)を提案する。 SmartFRZは注意誘導層凍結であり、凍結する適切な層を自動的に選択することができる。 実験結果から,SmartFRZはトレーニング中の計算量を効果的に削減し,トレーニングアクセラレーションの大幅な向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2024-01-30T03:34:27Z)
• Long Short-Term Memory Neural Network for Temperature Prediction in Laser Powder Bed Additive Manufacturing [0.0]
  本稿では,ニューラルネットワークを用いて印刷過程の温度勾配分布を予測する新しい手法を提案する。 この目的は、印刷工程中にプレート全体に生じる極端で不均一な温度分布を避けることである。
  論文  参考訳（メタデータ） (2023-01-30T14:06:14Z)
• Beyond Exponentially Fast Mixing in Average-Reward Reinforcement Learning via Multi-Level Monte Carlo Actor-Critic [61.968469104271676]
  本稿では,アクター・アクターとアクター・アクター・アクター・アルゴリズムに埋め込まれた平均報酬に対して,マルチレベルモンテカルロ推定器を用いて混合時間に適応したRL手法を提案する。 不安定な報酬を伴うRL問題において,安定性に要求される技術的条件の緩和効果が,実用上優れた性能に変換されることを実験的に示す。
  論文  参考訳（メタデータ） (2023-01-28T04:12:56Z)
• A Thermal Machine Learning Solver For Chip Simulation [0.5592394503914488]
  本稿では,チップの熱シミュレーションを高速化するための機械学習(ML)ソルバを提案する。 提案手法は、Ansys MAPDLや最新のMLベースラインであるUNetなど、商用の問題解決者に対して検証されている。
  論文  参考訳（メタデータ） (2022-09-10T20:32:55Z)
• Count-Based Temperature Scheduling for Maximum Entropy Reinforcement Learning [81.30916012273161]
  Max RLアルゴリズムは、トレーニングの安定性と堅牢性を改善するために報酬とポリシーのエントロピーをトレードオフする。 ほとんどのマックスRL法は、ノイズ値推定への過度な適合を避けるために、一定のトレードオフ係数(温度)を用いる。 簡単な状態ベース温度スケジューリング手法を提案し、それを数量ベースQ-Learning(CB)としてインスタンス化する。 おもちゃのドメインといくつかのアタリ2600ドメインのアプローチを評価し,有望な結果を示した。
  論文  参考訳（メタデータ） (2021-11-28T18:28:55Z)
• Machine learning thermal circuit network model for thermal design optimization of electronic circuit board layout with transient heating chips [0.0]
  本稿では,ベイズ最適化(BO)とランプ型サーマルサーマルサーマルサーマル回路モデルを組み合わせた手法について述べる。 BOは、理想的な回路基板レイアウトとパーティクルスウォーム最適化(PSO)と遺伝的アルゴリズム(GA)の発見に成功した。 これは全てのレイアウトパターンを分析するのに必要なCPU時間の1/1000と見積もられた。
  論文  参考訳（メタデータ） (2020-08-28T01:51:37Z)
• Controlling Rayleigh-B\'enard convection via Reinforcement Learning [62.997667081978825]
  固定外熱勾配下での対流熱交換を抑制または促進するための効果的な制御戦略の同定は、重要な基本的かつ技術的問題である。 本研究では,最先端の強化学習(RL)アルゴリズムに基づく新しい手法を提案する。 我々のRL制御は導電系を安定させ、対流の開始をレイリー数にすることができることを示す。
  論文  参考訳（メタデータ） (2020-03-31T16:39:25Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)
• Large Batch Training Does Not Need Warmup [111.07680619360528]
  大きなバッチサイズを使用してディープニューラルネットワークをトレーニングすることは、有望な結果を示し、多くの現実世界のアプリケーションに利益をもたらしている。 本稿では,大規模バッチ学習のための全層適応レートスケーリング(CLARS)アルゴリズムを提案する。 分析に基づいて,このギャップを埋め,3つの一般的な大規模バッチトレーニング手法の理論的洞察を提示する。
  論文  参考訳（メタデータ） (2020-02-04T23:03:12Z)

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。