論文の概要: Re$^{\text{2}}$MaP: Macro Placement by Recursively Prototyping and Packing Tree-based Relocating

• arxiv url: http://arxiv.org/abs/2511.08054v1
• Date: Wed, 12 Nov 2025 01:37:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.615469
• Title: Re$^{\text{2}}$MaP: Macro Placement by Recursively Prototyping and Packing Tree-based Relocating
• Title（参考訳）: Re$^{\text{2}}$MaP: 再帰的なプロトタイピングとパッケージングツリーベースの再配置によるマクロ配置
• Authors: Yunqi Shi, Xi Lin, Zhiang Wang, Siyuan Xu, Shixiong Kai, Yao Lai, Chengrui Gao, Ke Xue, Mingxuan Yuan, Chao Qian, Zhi-Hua Zhou,
• Abstract要約: この研究は、エキスパート品質のマクロ配置を生成するRe$text2$MaPメソッドを導入している。 我々はDREAMPlaceを使って、混合サイズの配置プロトタイプを構築し、マクロとクラスタごとに参照位置を取得する。 次に、パッキングツリーベースの移動手順を設計し、各グループ内のマクログループとマクロの位置を共同で調整する。
• 参考スコア（独自算出の注目度）: 67.49674976434322
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work introduces the Re$^{\text{2}}$MaP method, which generates expert-quality macro placements through recursively prototyping and packing tree-based relocating. We first perform multi-level macro grouping and PPA-aware cell clustering to produce a unified connection matrix that captures both wirelength and dataflow among macros and clusters. Next, we use DREAMPlace to build a mixed-size placement prototype and obtain reference positions for each macro and cluster. Based on this prototype, we introduce ABPlace, an angle-based analytical method that optimizes macro positions on an ellipse to distribute macros uniformly near chip periphery, while optimizing wirelength and dataflow. A packing tree-based relocating procedure is then designed to jointly adjust the locations of macro groups and the macros within each group, by optimizing an expertise-inspired cost function that captures various design constraints through evolutionary search. Re$^{\text{2}}$MaP repeats the above process: Only a subset of macro groups are positioned in each iteration, and the remaining macros are deferred to the next iteration to improve the prototype's accuracy. Using a well-established backend flow with sufficient timing optimizations, Re$^{\text{2}}$MaP achieves up to 22.22% (average 10.26%) improvement in worst negative slack (WNS) and up to 97.91% (average 33.97%) improvement in total negative slack (TNS) compared to the state-of-the-art academic placer Hier-RTLMP. It also ranks higher on WNS, TNS, power, design rule check (DRC) violations, and runtime than the conference version ReMaP, across seven tested cases. Our code is available at https://github.com/lamda-bbo/Re2MaP.
• Abstract（参考訳）: この研究はRe$^{\text{2}}$MaPメソッドを導入し、再帰的にプロトタイピングし、ツリーベースの移動をパッケージ化することで、エキスパート品質のマクロ配置を生成する。 まず、マルチレベルマクログループ化とPPA対応セルクラスタリングを行い、マクロとクラスタ間のワイヤ長とデータフローの両方をキャプチャする統一接続行列を生成する。 次に、DREAMPlaceを用いて、混合サイズの配置プロトタイプを構築し、マクロとクラスタ毎に参照位置を取得する。 このプロトタイプに基づいて,楕円上のマクロ位置を最適化し,チップ周辺近傍のマクロを均一に分配するアングル解析手法であるAPPlaceを導入し,ワイヤ長とデータフローを最適化する。 次に、各グループ内のマクログループとマクロの位置を協調的に調整するように、パッキングツリーベースの移動手順を設計し、進化探索によって様々な設計制約を捕捉する専門性に着想を得たコスト関数を最適化する。 Re$^{\text{2}}$MaPは上記のプロセスを繰り返す: マクログループのサブセットが各イテレーションに配置され、残りのマクロはプロトタイプの精度を改善するために次のイテレーションに延期される。 Re$^{\text{2}}$MaPは十分なタイミング最適化を備えた確立されたバックエンドフローを使用して、最悪の負のスラック(WNS)の最大22.22%(平均10.26%)の改善と、最先端の学術的スラック(Hier-RTLMP)と比較して97.91%(平均33.97%)の改善を達成している。 また、WNS、NS、パワー、デザインルールチェック(DRC)違反、ランタイムは7つのテストケースで、カンファレンスバージョンのReMaPよりも上位に位置する。 私たちのコードはhttps://github.com/lamda-bbo/Re2MaP.comで公開されています。

関連論文リスト

• FFT-based Dynamic Subspace Selection for Low-Rank Adaptive Optimization of Large Language Models [49.397861654088636]
  低次元空間へのSVD/QRベースの勾配射影を近似する2段階の手順を提案する。 当社の戦略はランタイムの高速化とメモリ使用量の削減を,さまざまなモデルサイズで最大25%削減できることが示されています。
  論文  参考訳（メタデータ） (2025-05-23T14:37:00Z)
• FedSVD: Adaptive Orthogonalization for Private Federated Learning with LoRA [68.44043212834204]
  Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。 Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。
  論文  参考訳（メタデータ） (2025-05-19T07:32:56Z)
• Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
  離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。 また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。 我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
  論文  参考訳（メタデータ） (2025-02-07T15:57:56Z)
• Non-Overlapping Placement of Macro Cells based on Reinforcement Learning in Chip Design [20.500468654567033]
  本稿では,強化学習に基づくエンドツーエンド配置手法SRLPlacerを提案する。 パブリックベンチマークISPD2005で評価することにより,提案したSRLPlacerはマクロセル間の重複問題を効果的に解決することができる。
  論文  参考訳（メタデータ） (2024-07-26T04:15:54Z)
• Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
  本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。 我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。 我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-05-10T09:58:47Z)
• Bayesian Optimization for Macro Placement [48.55456716632735]
  本研究では,系列対上のベイズ最適化(BO)を用いた新しいマクロ配置法を提案する。 BOは確率的代理モデルと獲得関数を利用する機械学習技術である。 固定アウトラインマクロ配置問題に対して, 半周波線長目標を用いたアルゴリズムを実証する。
  論文  参考訳（メタデータ） (2022-07-18T06:17:06Z)
• Optimal N-ary ECOC Matrices for Ensemble Classification [1.3561997774592662]
  アンサンブル分類法における誤り訂正出力符号(ECOC)の新たな構成について述べる。 任意の素数$N$が与えられたとき、この決定論的構成は基底-$N$対称二乗行列を$M$で生成する。
  論文  参考訳（メタデータ） (2021-10-05T16:50:15Z)
• Hierarchically Modeling Micro and Macro Behaviors via Multi-Task Learning for Conversion Rate Prediction [14.494225676311448]
  現代の産業電子商取引プラットフォームにおけるコンバージョン率(emphCVR)予測はますます重要になっています。 マイクロおよびマクロの挙動を階層的にモデル化した新しいemphcvr予測手法を提案する。 HM3$はエンドツーエンドでトレーニングでき、emph SSBとemphDSの問題に対処できる。
  論文  参考訳（メタデータ） (2021-04-20T01:45:06Z)
• Nonmyopic Gaussian Process Optimization with Macro-Actions [13.847308344546171]
  本稿では,非明視適応ガウス過程最適化(GPO)に対する多段階的アプローチを提案する。 マクロアクションの概念を利用して、より多くの予算に対応するために、さらなるルックアヘッドまでスケールアップする。 我々は,エプシロン-マクロ-GPOポリシーとその時変を,人工的および実世界のデータセットを用いたBOデータセットで実証的に評価した。
  論文  参考訳（メタデータ） (2020-02-22T09:56:20Z)

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。