論文の概要: Advancing Routing-Awareness in Analog ICs Floorplanning

• arxiv url: http://arxiv.org/abs/2510.15387v1
• Date: Fri, 17 Oct 2025 07:39:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.51828
• Title: Advancing Routing-Awareness in Analog ICs Floorplanning
• Title（参考訳）: アナログICのフロアプランニングにおけるルーティング意識の向上
• Authors: Davide Basso, Luca Bortolussi, Mirjana Videnovic-Misic, Husni Habal,
• Abstract要約: 我々は、強化学習とリレーショナルグラフ畳み込みニューラルネットワークに基づく自動フロアプランニングエンジンを開発する。 グリッド解像度の増大と正確なピン情報の統合、動的ルーティングリソース推定技術の組み合わせにより、ルーティングと領域効率のバランスがとれる。
• 参考スコア（独自算出の注目度）: 3.2957112871590772
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The adoption of machine learning-based techniques for analog integrated circuit layout, unlike its digital counterpart, has been limited by the stringent requirements imposed by electric and problem-specific constraints, along with the interdependence of floorplanning and routing steps. In this work, we address a prevalent concern among layout engineers regarding the need for readily available routing-aware floorplanning solutions. To this extent, we develop an automatic floorplanning engine based on reinforcement learning and relational graph convolutional neural network specifically tailored to condition the floorplan generation towards more routable outcomes. A combination of increased grid resolution and precise pin information integration, along with a dynamic routing resource estimation technique, allows balancing routing and area efficiency, eventually meeting industrial standards. When analyzing the place and route effectiveness in a simulated environment, the proposed approach achieves a 13.8% reduction in dead space, a 40.6% reduction in wirelength and a 73.4% increase in routing success when compared to past learning-based state-of-the-art techniques.
• Abstract（参考訳）: アナログ集積回路レイアウトのための機械学習技術の採用は、電子的および問題固有の制約によって課される厳密な要件と、フロアプランニングとルーティングステップの相互依存性によって制限されている。 本研究では、レイアウトエンジニアの間で、容易に利用できるルーティング対応のフロアプランニングソリューションの必要性についての懸念に対処する。 そこで本研究では, フロアプラン生成に特化して, 強化学習とリレーショナルグラフ畳み込みニューラルネットワークに基づく自動フロアプランニングエンジンを開発した。 グリッド解像度の増大と正確なピン情報の統合、動的ルーティングリソース推定技術の組み合わせにより、ルーティングと領域効率のバランスが取れ、最終的には工業標準に適合する。 シミュレーション環境における場所と経路の有効性を解析すると,提案手法はデッドスペースが13.8%減少し,ワイヤ長が40.6%減少し,過去の学習に基づく最先端技術と比較して経路が73.4%増加した。

関連論文リスト

• Enhancing Reinforcement Learning for the Floorplanning of Analog ICs with Beam Search [0.32985979395737786]
  本稿では,強化学習(RL)とビーム(BS)戦略を組み合わせたハイブリッド手法を提案する。 BSアルゴリズムはエージェントの推論プロセスを強化し、フレキシブルなフロアプランを生成する。 実験結果から, 標準RL法と比較すると, 面積, 死空間, 線長が約5～85%向上した。
  論文  参考訳（メタデータ） (2025-05-08T08:50:32Z)
• JPDS-NN: Reinforcement Learning-Based Dynamic Task Allocation for Agricultural Vehicle Routing Optimization [3.559425487157277]
  エントランス依存車両ルーティング問題(Entrance Dependent Vehicle Routing Problem、EDVRP)は、都市の規模が経路結果に影響を与える車両問題(VRP)の変種である。 EDVRPを効果的に解くために,共振器分布サンプリングニューラルネットワーク(JPDS-NN)を提案する。 JPDS-NNは走行距離を48.4-65.4%削減し、燃料消費量を14.0-17.6%削減し、ベースライン法よりも2桁高速に計算する。
  論文  参考訳（メタデータ） (2025-03-04T07:50:32Z)
• AI-in-the-Loop Sensing and Communication Joint Design for Edge Intelligence [65.29835430845893]
  本稿では,AI-in-the-loopジョイントセンシングと通信によるエッジインテリジェンス向上のためのフレームワークを提案する。 私たちの研究の重要な貢献は、バリデーション損失とシステムのチューニング可能なパラメータとの間に明確な関係を確立することです。 提案手法は, 通信エネルギー消費を最大77%削減し, 試料数で測定した検知コストを最大52%削減する。
  論文  参考訳（メタデータ） (2025-02-14T14:56:58Z)
• Learning for Cross-Layer Resource Allocation in MEC-Aided Cell-Free Networks [71.30914500714262]
  移動エッジコンピューティング(MEC)を援用したセルフリーネットワーク上でのクロスレイヤリソース割り当ては、データレートを促進するために、送信およびコンピューティングリソースを十分に活用することができる。 深層学習の観点からMEC支援セルフリーネットワークのサブキャリア配置とビームフォーミング最適化について検討した。
  論文  参考訳（メタデータ） (2024-12-21T10:18:55Z)
• SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
  無線対応経路計画フレームワークであるSCoTTを提案する。 SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。 また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
  論文  参考訳（メタデータ） (2024-11-27T10:45:49Z)
• Effective Analog ICs Floorplanning with Relational Graph Neural Networks and Reinforcement Learning [0.3749861135832073]
  本稿では,強化学習に基づく新しいフロアプランニングアルゴリズムを提案する。 回路特徴と位置制約を符号化するリレーショナルグラフ畳み込みニューラルネットワークモデルによって拡張される。 提案手法は, 既設フロアプランニング手法を, 速度, 面積, 半周波線長で上回った。
  論文  参考訳（メタデータ） (2024-11-20T12:11:12Z)
• Residual Chain Prediction for Autonomous Driving Path Planning [5.139918355140954]
  残留連鎖損失は損失計算過程を動的に調整し、予測経路点の時間依存性と精度を高める。 我々の研究は、自動運転車の計画コンポーネントに革命をもたらすために、Residual Chain Lossの可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-04-08T11:43:40Z)
• 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)
• Optimal Solving of Constrained Path-Planning Problems with Graph Convolutional Networks and Optimized Tree Search [12.457788665461312]
  本稿では,機械学習モデルと最適解法を併用したハイブリッド問題解決プランナを提案する。 我々は現実的なシナリオで実験を行い、GCNのサポートにより、より難しい問題に対して、大幅なスピードアップとスムーズなスケーリングが可能になることを示す。
  論文  参考訳（メタデータ） (2021-08-02T16:53:21Z)
• On Topology Optimization and Routing in Integrated Access and Backhaul Networks: A Genetic Algorithm-based Approach [70.85399600288737]
  IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。 我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。 メッシュベースのIABネットワークを実現する上での課題について論じる。
  論文  参考訳（メタデータ） (2021-02-14T21:52:05Z)
• Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots [58.980293789967575]
  通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。 室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。 調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
  論文  参考訳（メタデータ） (2020-11-23T21:45:01Z)

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。