論文の概要: ArtNet: Hierarchical Clustering-Based Artificial Netlist Generator for ML and DTCO Application

• arxiv url: http://arxiv.org/abs/2510.13582v1
• Date: Wed, 15 Oct 2025 14:16:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.702173
• Title: ArtNet: Hierarchical Clustering-Based Artificial Netlist Generator for ML and DTCO Application
• Title（参考訳）: ArtNet:MLおよびDTCOアプリケーションのための階層クラスタリングに基づく人工ネットリストジェネレータ
• Authors: Andrew B. Kahng. Seokhyeong Kang, Seonghyeon Park, Dooseok Yoon,
• Abstract要約: ArtNetは、与えられたターゲットパラメータとより密に一致する、リアルな人工データセットを生成する。 CNNベースのDRV予測の文脈では、ArtNetのデータ拡張によってF1スコアが0.16向上する。 DTCOの文脈では、ArtNetが生成したミニ脳は97.94%のPPAマッチングを実現し、ターゲットとするフルスケールブロックの設計指標と密に一致している。
• 参考スコア（独自算出の注目度）: 2.3279995808581986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In advanced nodes, optimization of power, performance and area (PPA) has become highly complex and challenging. Machine learning (ML) and design-technology co-optimization (DTCO) provide promising mitigations, but face limitations due to a lack of diverse training data as well as long design flow turnaround times (TAT). We propose ArtNet, a novel artificial netlist generator designed to tackle these issues. Unlike previous methods, ArtNet replicates key topological characteristics, enhancing ML model generalization and supporting broader design space exploration for DTCO. By producing realistic artificial datasets that moreclosely match given target parameters, ArtNet enables more efficient PPAoptimization and exploration of flows and design enablements. In the context of CNN-based DRV prediction, ArtNet's data augmentationimproves F1 score by 0.16 compared to using only the original (real) dataset. In the DTCO context, ArtNet-generated mini-brains achieve a PPA match up to 97.94%, demonstrating close alignment with design metrics of targeted full-scale block designs.
• Abstract（参考訳）: 先進ノードでは、電力、性能、面積(PPA)の最適化は非常に複雑で難しいものになっている。 機械学習(ML)とデザインと技術の共同最適化(DTCO)は、有望な緩和を提供するが、多様なトレーニングデータや長い設計フローのターンアラウンドタイム(TAT)が欠如しているため、制限に直面している。 本稿では,これらの問題に対処するための新しい人工ネットリスト生成ツールArtNetを提案する。 従来の手法とは異なり、ArtNetは重要なトポロジ特性を再現し、MLモデルの一般化を強化し、DTCOの設計空間探索をサポートする。 ArtNetは、与えられたターゲットパラメータにより密にマッチする現実的な人工データセットを生成することにより、より効率的なPPA最適化とフローの探索と設計の実現を可能にします。 CNNベースのDRV予測の文脈では、ArtNetのデータ拡張によってF1スコアが0.16向上する。 DTCOの文脈では、ArtNetが生成したミニ脳は97.94%のPPAマッチングを実現し、ターゲットとするフルスケールブロックの設計指標と密に一致している。

関連論文リスト

• Leveraging Generative AI for Enhancing Domain-Driven Software Design [0.1749935196721634]
  ドメイン駆動設計(DDD、Domain-Driven Design)は、アプリケーションドメインの正確なモデリングに焦点を当てた、顧客指向ソフトウェアを開発するための重要なフレームワークである。 伝統的に、これらのドメインを記述するメタモデルは、システムデザイナによって手作業で作成され、反復的ソフトウェア開発の基礎を形成します。 本稿では、生成AIを用いたメタモデル生成の部分的自動化について、特にドメイン固有オブジェクトの生成について検討する。
  論文  参考訳（メタデータ） (2026-01-28T16:25:53Z)
• Artificial Intelligence-Driven Network-on-Chip Design Space Exploration: Neural Network Architectures for Design [0.0]
  Network-on-Chip (NoC) の設計では、厳密なスループット要件とレイテンシ制約を満たすために、高次元の設定空間を探索する必要がある。 伝統的な設計空間探索技術は、しばしば遅く、複雑で非線形なパラメータ相互作用を扱うのに苦労する。 本研究は,BookSimシミュレーションとリバースニューラルネットワークモデルを用いて,NoC設計空間探索を自動化する機械学習駆動フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-27T13:00:22Z)
• Towards Efficient General Feature Prediction in Masked Skeleton Modeling [59.46799426434277]
  マスクスケルトンモデリングのための新しい汎用特徴予測フレームワーク(GFP)を提案する。 我々の重要な革新は、局所的な動きパターンからグローバルな意味表現にまたがる、従来の低レベルな再構築を高レベルな特徴予測に置き換えることです。
  論文  参考訳（メタデータ） (2025-09-03T18:05:02Z)
• MAHL: Multi-Agent LLM-Guided Hierarchical Chiplet Design with Adaptive Debugging [30.305211001929496]
  大きな言語モデル(LLM)は2.5Dに拡張することを約束している。 LLMはフラットな設計、高い検証コスト、不正確なパラメータ最適化といった課題に直面している。 階層型LLMベースのチップレット設計生成フレームワークであるMAHLを提案する。
  論文  参考訳（メタデータ） (2025-08-08T05:47:31Z)
• Scaling Intelligence: Designing Data Centers for Next-Gen Language Models [0.6168147650666682]
  GPT-4のような1.8兆のパラメータを持つ大規模言語モデル(LLM)は、データセンターアーキテクチャの根本的な再考を要求する。 我々の研究は、FLOPS、帯域幅と容量、複数のネットワークトポロジを共同で探求する包括的な協調設計フレームワークを提供する。 我々は、重なり合う計算と通信の利点を定量化し、ハードウェアアクセラレーションされた集合体を活用し、スケールアウト領域を広げ、メモリ容量を増大させる。
  論文  参考訳（メタデータ） (2025-06-17T22:29:37Z)
• Energy-Aware FPGA Implementation of Spiking Neural Network with LIF Neurons [0.5243460995467893]
  スパイキングニューラルネットワーク(SNN)は、TinyMLの最先端ソリューションとして際立っている。 本稿では,第1次Leaky Integrate-and-Fire(LIF)ニューロンモデルに基づく新しいSNNアーキテクチャを提案する。 ハードウェアフレンドリーなLIF設計も提案され、Xilinx Artix-7 FPGA上で実装されている。
  論文  参考訳（メタデータ） (2024-11-03T16:42:10Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Hyperdimensional Computing Empowered Federated Foundation Model over Wireless Networks for Metaverse [56.384390765357004]
  本稿では,新しい基礎モデルのための統合型分割学習と超次元計算フレームワークを提案する。 この新しいアプローチは通信コスト、計算負荷、プライバシーリスクを低減し、Metaverseのリソース制約されたエッジデバイスに適している。
  論文  参考訳（メタデータ） (2024-08-26T17:03:14Z)
• Hierarchical Features Matter: A Deep Exploration of Progressive Parameterization Method for Dataset Distillation [44.03611131165989]
  階層型生成蒸留(H-PD)と呼ばれる新しい生成パラメータ化法を提案する。 提案したH-PDは、等価な時間消費で様々な設定で大幅な性能向上を実現している。 IPC=1, IPC=10の超過圧縮比下での拡散モデルを用いて, 現在の再生蒸留を超越している。
  論文  参考訳（メタデータ） (2024-06-09T09:15:54Z)
• Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
  PropEnは'matching'にインスパイアされている。 一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
  論文  参考訳（メタデータ） (2024-05-28T11:30:19Z)
• Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
  我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。 本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。 提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:12Z)
• ROMO: Retrieval-enhanced Offline Model-based Optimization [14.277672372460785]
  データ駆動型ブラックボックスモデルベース最適化(MBO)の問題は、多くの実用的なアプリケーションシナリオで発生します。 検索強化オフラインモデルベース最適化(ROMO)を提案する。 ROMOは実装が簡単で、CoMBO設定における最先端のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2023-10-11T15:04:33Z)
• Unifying Synergies between Self-supervised Learning and Dynamic Computation [53.66628188936682]
  SSLとDCのパラダイム間の相互作用に関する新しい視点を提示する。 SSL設定において、スクラッチから高密度かつゲートされたサブネットワークを同時に学習することは可能であることを示す。 密集エンコーダとゲートエンコーダの事前学習における共進化は、良好な精度と効率のトレードオフをもたらす。
  論文  参考訳（メタデータ） (2023-01-22T17:12:58Z)

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。