論文の概要: Machine Learning-based feasibility estimation of digital blocks in BCD technology
- arxiv url: http://arxiv.org/abs/2410.07989v1
- Date: Thu, 10 Oct 2024 14:43:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-31 06:15:07.687732
- Title: Machine Learning-based feasibility estimation of digital blocks in BCD technology
- Title（参考訳）: BCD技術におけるディジタルブロックの機械学習による実現可能性評価
- Authors: Gabriele Faraone, Francesco Daghero, Eugenio Serianni, Dario Licastro, Nicola Di Carolo, Michelangelo Grosso, Giovanna Antonella Franchino, Daniele Jahier Pagliari,
- Abstract要約: 本稿では,高レベルの特徴セットを用いて,デジタル実装の実現可能性を予測するための機械学習に基づく評価手法を提案する。
このアプローチは、Place-and-Routeトライアルの時間の浪費を回避することを目的としており、トップレベルの配置において、DigitalとAnalog Back-Endデザイナ間の迅速なフィードバックを可能にする。
- 参考スコア（独自算出の注目度）: 1.6763376231164682
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Analog-on-Top Mixed Signal (AMS) Integrated Circuit (IC) design is a time-consuming process predominantly carried out by hand. Within this flow, usually, some area is reserved by the top-level integrator for the placement of digital blocks. Specific features of the area, such as size and shape, have a relevant impact on the possibility of implementing the digital logic with the required functionality. We present a Machine Learning (ML)-based evaluation methodology for predicting the feasibility of digital implementation using a set of high-level features. This approach aims to avoid time-consuming Place-and-Route trials, enabling rapid feedback between Digital and Analog Back-End designers during top-level placement.
- Abstract（参考訳）: アナログ・オン・トップ混合信号(Analog-on-Top Mixed Signal,AMS) 集積回路(IC)設計は、主に手で行う時間を要するプロセスである。
この流れの中では、通常、ある領域はデジタルブロックの配置のためにトップレベル積分器によって予約される。
サイズや形状など、領域の特定の特徴は、必要な機能でデジタルロジックを実装する可能性に関連している。
本稿では,高レベルの特徴セットを用いて,デジタル実装の実現可能性を予測するための機械学習(ML)に基づく評価手法を提案する。
このアプローチは、Place-and-Routeトライアルの時間の浪費を回避することを目的としており、トップレベルの配置において、DigitalとAnalog Back-Endデザイナ間の迅速なフィードバックを可能にする。
関連論文リスト
- Towards training digitally-tied analog blocks via hybrid gradient computation [1.800676987432211]
フィードフォワード型エネルギーベースモデル(ff-EBM)を紹介する。
フィードフォワード部とエネルギーベース部でそれぞれ逆プロパゲーションと「eqプロパゲーション」することで、FF-EBMの勾配をエンドツーエンドに計算する新しいアルゴリズムを導出する。
我々のアプローチは、自己学習可能なアナログ計算プリミティブを既存のデジタルアクセラレータに徐々に統合する、原則的でスケーラブルで漸進的なロードマップを提供する。
論文 参考訳（メタデータ） (2024-09-05T07:22:19Z) - Benchmarking End-To-End Performance of AI-Based Chip Placement Algorithms [77.71341200638416]
ChiPBenchはAIベースのチップ配置アルゴリズムの有効性を評価するために設計されたベンチマークである。
評価のために、さまざまなドメイン(CPU、GPU、マイクロコントローラなど)から20の回路を集めました。
その結果, 単点アルゴリズムの中間距離が支配的であったとしても, 最終的なPPA結果は満足できないことがわかった。
論文 参考訳（メタデータ） (2024-07-03T03:29:23Z) - Constructing and Evaluating Digital Twins: An Intelligent Framework for DT Development [11.40908718824589]
デジタルツインズ(DT)の開発は、制御されたデジタル空間における複雑なシステムをシミュレートし最適化するための変革的な進歩を表している。
本稿では,アルゴリズム性能試験におけるDTの精度と有用性を高めるために,DTの構築と評価のためのインテリジェントなフレームワークを提案する。
本稿では,Deep Learning-based policy gradient techniqueを統合してDTパラメータを動的に調整し,物理システムのデジタル複製における高い忠実性を確保する手法を提案する。
論文 参考訳（メタデータ） (2024-06-19T01:45:18Z) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳（メタデータ） (2023-12-14T09:46:16Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Continuous-mode quantum key distribution with digital signal processing [7.261178075085931]
時間モード理論を用いて線形DSPによる連続モード状態処理を解析する手法を提案する。
提案する実用性指向型セキュリティ分析手法は,古典的互換デジタルCVQKDを構築するための道筋をたどる。
論文 参考訳（メタデータ） (2022-07-11T16:32:08Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid
Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。
我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文 参考訳（メタデータ） (2021-10-22T20:49:02Z) - Automatic digital twin data model generation of building energy systems
from piping and instrumentation diagrams [58.720142291102135]
建物からP&IDのシンボルや接続を自動で認識する手法を提案する。
シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。
このアプローチは、制御生成、(分散)モデル予測制御、障害検出といった、さらなるプロセスで使用することができる。
論文 参考訳（メタデータ） (2021-08-31T15:09:39Z) - Prospects for Analog Circuits in Deep Networks [14.280112591737199]
機械学習のal-gorithmで一般的に使用される操作は、コンパクトアナログ回路で実装することができる。
近年のディープラーニングアルゴリズムの進歩により、ハードウェア・デジタル・アクセラレーターの設計に焦点が移った。
本稿では,様々な機械学習アルゴリズムを実装したアナログ設計について概説する。
論文 参考訳（メタデータ） (2021-06-23T14:49:21Z) - Verification and Design Methods for the BrainScaleS Neuromorphic
Hardware System [0.0]
第2世代のBrainScaleSチップは、完全なアナログニューロモルフィック回路と2つの汎用マイクロプロセッサの密結合を有する混合信号デバイスである。
512ニューロンと130Kシナプスを含む第1次BrainScaleS-2 ASICの早期成績を示し,これらの手法の応用を実証した。
論文 参考訳（メタデータ） (2020-03-25T15:48:54Z)
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。