論文の概要: GANGR: GAN-Assisted Scalable and Efficient Global Routing Parallelization

• arxiv url: http://arxiv.org/abs/2511.17665v1
• Date: Fri, 21 Nov 2025 00:32:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.343109
• Title: GANGR: GAN-Assisted Scalable and Efficient Global Routing Parallelization
• Title（参考訳）: GANGR: GAN支援のスケーラブルで効率的なグローバルルーティング並列化
• Authors: Hadi Khodaei Jooshin, Inna Partin-Vaisband,
• Abstract要約: グローバルルーティングは電子設計自動化(EDA)における重要な段階である 本稿では,より効率的な並列化を実現するために,WGAN(Wasserstein Generative Network)を提案する。 提案アルゴリズムは最新のISPD'24コンテストのベンチマークでテストされ、最先端ルータと比較して、ルーティング品質は0.002%しか低下せず、40%の低下を示した。
• 参考スコア（独自算出の注目度）: 0.6117371161379208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Global routing is a critical stage in electronic design automation (EDA) that enables early estimation and optimization of the routability of modern integrated circuits with respect to congestion, power dissipation, and design complexity. Batching is a primary concern in top-performing global routers, grouping nets into manageable sets to enable parallel processing and efficient resource usage. This process improves memory usage, scalable parallelization on modern hardware, and routing congestion by controlling net interactions within each batch. However, conventional batching methods typically depend on heuristics that are computationally expensive and can lead to suboptimal results (oversized batches with conflicting nets, excessive batch counts degrading parallelization, and longer batch generation times), ultimately limiting scalability and efficiency. To address these limitations, a novel batching algorithm enhanced with Wasserstein generative adversarial networks (WGANs) is introduced in this paper, enabling more effective parallelization by generating fewer higher-quality batches in less time. The proposed algorithm is tested on the latest ISPD'24 contest benchmarks, demonstrating up to 40% runtime reduction with only 0.002% degradation in routing quality as compared to state-of-the-art router.
• Abstract（参考訳）: グローバルルーティング(Global routing)は、電子設計自動化(EDA)において重要な段階であり、混雑、電力散逸、設計複雑さに関して、現代の集積回路のルータビリティの早期推定と最適化を可能にする。 バッチ処理は、並列処理と効率的なリソース使用を可能にするために、ネットを管理可能なセットにグループ化するグローバルルータにおいて、主要な関心事である。 このプロセスは、メモリ使用量、現代的なハードウェア上でのスケーラブルな並列化、および各バッチ内のネットインタラクションを制御することで、ルーティングの混雑を改善する。 しかし、従来のバッチ方式は一般に計算コストが高く、最適以下の結果をもたらすヒューリスティック(競合するネットによる過大なバッチ、過度なバッチ数による並列化の低下、バッチ生成時間の短縮)に依存し、最終的にスケーラビリティと効率を制限している。 これらの制約に対処するために、WGAN(Wsserstein Generative Adversarial Network)によって強化された新しいバッチアルゴリズムを導入し、より少ない時間で高品質なバッチを生成することにより、より効率的な並列化を可能にする。 提案アルゴリズムは最新のISPD'24コンテストベンチマークでテストされ、最先端ルータと比較して、最大40%のランタイム削減とルーティング品質の0.002%の低下しか示されていない。

関連論文リスト

• Eliminating Multi-GPU Performance Taxes: A Systems Approach to Efficient Distributed LLMs [61.953548065938385]
  分析フレームワークとして'3つの税'(バルク同期、カーネル間データローカリティ、カーネルローンチオーバーヘッド)を紹介した。 我々は、分散GPU実行におけるキー非効率に対処するために、厳密なBSPモデルを超えて移動することを提案する。 BSPベースのアプローチによるエンドツーエンドのレイテンシの10-20%の高速化を観察する。
  論文  参考訳（メタデータ） (2025-11-04T01:15:44Z)
• Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
  本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。 システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。 提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
  論文  参考訳（メタデータ） (2025-10-23T02:55:40Z)
• AlphaRouter: Quantum Circuit Routing with Reinforcement Learning and Tree Search [14.46041554295883]
  本稿では,モンテカルロ木探索(MCTS)と強化学習(RL)を統合するソリューションを提案する。 我々のルータはAlpha RLと呼ばれ、現在の最先端のルーティング手法より優れており、最大20%のルーティングオーバーヘッドで量子プログラムを生成する。
  論文  参考訳（メタデータ） (2024-10-07T15:10:54Z)
• Optimal Parallelization Strategies for Active Flow Control in Deep Reinforcement Learning-Based Computational Fluid Dynamics [29.49913315698914]
  Deep Reinforcement Learning (DRL) は、高ダイナミックかつ非線形なアクティブフロー制御(AFC)問題を扱うための有望なアプローチとして登場した。 本研究では、DRLに基づくアルゴリズムを並列設定で最適化することに焦点を当てる。 並列効率を約49%から約78%に向上させる。
  論文  参考訳（メタデータ） (2024-02-18T09:07:30Z)
• Robust Path Selection in Software-defined WANs using Deep Reinforcement Learning [18.586260468459386]
  本稿では、経路計算と経路更新のオーバーヘッドを考慮した、ネットワーク内の経路選択を行うデータ駆動アルゴリズムを提案する。 提案手法は,ECMPなどの従来のTE方式に比べてリンク利用率を40%削減できる。
  論文  参考訳（メタデータ） (2022-12-21T16:08:47Z)
• Teal: Learning-Accelerated Optimization of WAN Traffic Engineering [68.7863363109948]
  本稿では,GPUの並列処理能力を活用してTE制御を高速化する学習型TEアルゴリズムTealを提案する。 問題スケールの削減と学習のトラクタビリティ向上のために,Tealはマルチエージェント強化学習(RL)アルゴリズムを用いて,各トラフィック要求を独立に割り当てる。 他のTE加速方式と比較して、Tealは需要を6～32%増やし、197～625倍のスピードアップを達成している。
  論文  参考訳（メタデータ） (2022-10-25T04:46:30Z)
• Fast and Complete: Enabling Complete Neural Network Verification with Rapid and Massively Parallel Incomplete Verifiers [112.23981192818721]
  BaB プロセス中に線形計画法 (LP) を置き換えるために, 逆モード線形緩和に基づく解析法 (LiRPA) を提案する。 LPとは異なり、LiRPAを適用すると、より弱い境界が得られ、分割時にサブドメインのコンフリクトをチェックすることもできない。 既存のLPベースのアプローチと比較して、桁違いのスピードアップを示す。
  論文  参考訳（メタデータ） (2020-11-27T16:42:12Z)

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。