Fugu-MT 論文翻訳(概要): WACA-UNet: Weakness-Aware Channel Attention for Static IR Drop Prediction in Integrated Circuit Design

論文の概要: WACA-UNet: Weakness-Aware Channel Attention for Static IR Drop Prediction in Integrated Circuit Design

arxiv url: http://arxiv.org/abs/2507.19197v1
Date: Fri, 25 Jul 2025 12:07:16 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-28 16:16:48.944115
Title: WACA-UNet: Weakness-Aware Channel Attention for Static IR Drop Prediction in Integrated Circuit Design
Title（参考訳）: WACA-UNet:集積回路設計における静的IRドロップ予測のための弱みを意識したチャネルアテンション
Authors: Youngmin Seo, Yunhyeong Kwon, Younghun Park, HwiRyong Kim, Seungho Eum, Jinha Kim, Taigon Song, Juho Kim, Unsang Park,
Abstract要約: 従来のシミュレーションベースの解法は計算コストが高く、スケールが難しい。我々は、不均一な多チャンネル物理地図上での画素単位の回帰タスクとしてIRドロップ推定を再構成することで、この問題に対処する。
参考スコア（独自算出の注目度）: 22.68767218144094
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate spatial prediction of power integrity issues, such as IR drop, is critical for reliable VLSI design. However, traditional simulation-based solvers are computationally expensive and difficult to scale. We address this challenge by reformulating IR drop estimation as a pixel-wise regression task on heterogeneous multi-channel physical maps derived from circuit layouts. Prior learning-based methods treat all input layers (e.g., metal, via, and current maps) equally, ignoring their varying importance to prediction accuracy. To tackle this, we propose a novel Weakness-Aware Channel Attention (WACA) mechanism, which recursively enhances weak feature channels while suppressing over-dominant ones through a two-stage gating strategy. Integrated into a ConvNeXtV2-based attention U-Net, our approach enables adaptive and balanced feature representation. On the public ICCAD-2023 benchmark, our method outperforms the ICCAD-2023 contest winner by reducing mean absolute error by 61.1% and improving F1-score by 71.0%. These results demonstrate that channel-wise heterogeneity is a key inductive bias in physical layout analysis for VLSI.
Abstract（参考訳）: IRドロップのような出力整合性の正確な空間予測は、信頼性の高いVLSI設計において重要である。しかし、従来のシミュレーションベースの解法は計算コストが高く、スケールが難しい。回路レイアウトから導出した不均一な多チャンネル物理地図上での画素単位の回帰タスクとしてIRドロップ推定を再構成することにより、この問題に対処する。事前学習に基づく手法は、全ての入力層(例えば、金属、経路、現在の地図)を等しく扱い、予測精度に異なる重要性を無視している。そこで本研究では,弱機能チャネルを2段階のゲーティング戦略により抑制しつつ,弱機能チャネルを再帰的に強化する,弱性認識チャネル注意(WACA)機構を提案する。 ConvNeXtV2ベースの注意U-Netに統合することで,適応的かつバランスの取れた特徴表現を実現する。公開ICCAD-2023ベンチマークでは,平均絶対誤差を61.1%削減し,F1スコアを71.0%改善することで,ICCAD-2023コンテストの勝者よりも優れていた。これらの結果は,VLSIの物理配置解析において,チャネルワイドの不均一性が重要な帰納バイアスであることを示す。

関連論文リスト

Stochastic Training for Side-Channel Resilient AI [5.430531937341217]
電力と電磁放射を利用するサイドチャネル攻撃は、エッジデバイス上で訓練されたAIモデルを脅かす。本稿では,このような脅威に対するレジリエンスを高めるための新しいトレーニング手法を提案する。 Google Coral Edge TPUの実験結果は、サイドチャネルのリークが減少し、tスコアが20,000以上のトレースよりも遅くなったことを示している。
論文参考訳（メタデータ） (2025-06-07T00:10:03Z)
GAQAT: gradient-adaptive quantization-aware training for domain generalization [54.31450550793485]
そこで本研究では,DGのためのGAQAT(Gradient-Adaptive Quantization-Aware Training)フレームワークを提案する。我々のアプローチは、低精度量子化におけるスケール・グラディエント・コンフリクト問題を特定することから始まる。 GAQATフレームワークの有効性を実験により検証した。
論文参考訳（メタデータ） (2024-12-07T06:07:21Z)
DiRecNetV2: A Transformer-Enhanced Network for Aerial Disaster Recognition [4.678150356894011]
災害評価における航空画像処理のための人工知能(AI)モデルと無人航空機の統合には、例外的な精度、計算効率、リアルタイム処理能力が必要である。伝統的に、畳み込みニューラルネットワーク(CNN)は局所的特徴抽出の効率を示すが、大域的文脈解釈の可能性によって制限される。視覚変換器(ViT)は、注意機構を用いることで、グローバルな文脈解釈の改善を約束するが、それでもUAVベースの災害対応アプリケーションでは未検討である。
論文参考訳（メタデータ） (2024-10-17T15:25:13Z)
Adaptive Federated Learning Over the Air [108.62635460744109]
オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
論文参考訳（メタデータ） (2024-03-11T09:10:37Z)
On Robustness and Generalization of ML-Based Congestion Predictors to Valid and Imperceptible Perturbations [9.982978359852494]
最近の研究は、ニューラルネットワークが入力の小さな、慎重に選択された摂動に対して一般的に脆弱であることを示した。現状のCNNとGNNをベースとした渋滞モデルでは、知覚不能な摂動に対する脆さが示される。我々の研究は、CADエンジニアがEDAフローにニューラルネットワークベースのメカニズムを統合する際に注意すべきであることを示唆している。
論文参考訳（メタデータ） (2024-02-29T20:11:47Z)
Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文参考訳（メタデータ） (2023-10-01T05:07:17Z)
Implicit Stochastic Gradient Descent for Training Physics-informed Neural Networks [51.92362217307946]
物理インフォームドニューラルネットワーク(PINN)は、前方および逆微分方程式問題の解法として効果的に実証されている。 PINNは、近似すべきターゲット関数が高周波またはマルチスケールの特徴を示す場合、トレーニング障害に閉じ込められる。本稿では,暗黙的勾配降下法(ISGD)を用いてPINNを訓練し,トレーニングプロセスの安定性を向上させることを提案する。
論文参考訳（メタデータ） (2023-03-03T08:17:47Z)
Counterfactual Intervention Feature Transfer for Visible-Infrared Person Re-identification [69.45543438974963]
視覚赤外人物再識別タスク(VI-ReID)におけるグラフベースの手法は,2つの問題により,悪い一般化に悩まされている。十分に訓練された入力特徴は、グラフトポロジーの学習を弱め、推論過程において十分に一般化されない。本稿では,これらの問題に対処するためのCIFT法を提案する。
論文参考訳（メタデータ） (2022-08-01T16:15:31Z)
CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。 CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。 CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
論文参考訳（メタデータ） (2021-10-21T06:26:31Z)
Performance and accuracy assessments of an incompressible fluid solver coupled with a deep Convolutional Neural Network [0.0]
ポアソン方程式の解法は、通常、非圧縮性流体解法における最も計算集約的なステップの1つである。 CNNはこの方程式を解くために導入され、推論時間を大幅に短縮した。 CNNと従来の反復解法を結合してユーザ定義の精度を保証するハイブリッド戦略が開発されている。
論文参考訳（メタデータ） (2021-09-20T08:30:29Z)
Channel Estimation for Full-Duplex RIS-assisted HAPS Backhauling with Graph Attention Networks [24.19960384472109]
本稿では、まず、アテンションネットワーク(GAT)をチャネル通信プラットフォームステーション(HAPS)とみなす。トレーニングデータにこれらすべてのバリエーションが含まれていなくても,GATは小型のフェージング特性において堅牢なハードウェア変化を示す。また、トレーニングデータにこれらすべてのバリエーションが含まれていなくても、GATは小型のフェーディング特性において堅牢なハードウェア変化を示すことが示されている。
論文参考訳（メタデータ） (2020-10-22T19:45:52Z)

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。