論文の概要: AutoFlows++: Hierarchical Message Flow Mining for System on Chip Designs

• arxiv url: http://arxiv.org/abs/2604.15359v1
• Date: Sun, 12 Apr 2026 15:44:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.545301
• Title: AutoFlows++: Hierarchical Message Flow Mining for System on Chip Designs
• Title（参考訳）: AutoFlows++:チップ設計システムのための階層的なメッセージフローマイニング
• Authors: Bardia Nadimi, Hao Zheng,
• Abstract要約: AutoFlows++は、複雑な設計の通信トレースからメッセージフローをマイニングするための設計アーキテクチャ誘導階層フレームワークである。 その結果,AutoFlows++は従来の手法と比較して,フロー抽出精度を著しく向上することがわかった。
• 参考スコア（独自算出の注目度）: 6.0174402828965725
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding communication behavior in modern system-on-chip (SoC) designs is critical for functional verification, performance analysis, and post-silicon debugging. Communication traces capture message exchanges among system components and provide valuable insights into system behavior. However, deriving concise communication specifications from such traces remains challenging due to interleaved instances of communication flows, and ambiguous causal relationships among messages. Existing mining approaches often struggle with scalability and ambiguity when traces contain complex interleaving of message patterns across multiple components. These conditions often lead to an explosion in the number of candidate flows and inaccurate extraction of communication behaviors. This paper presents AutoFlows++, a design-architecture-guided hierarchical framework for mining message flows from communication traces of complex SoC designs. AutoFlows++ operates in two stages: local mining followed by global mining. In the local mining stage, simple communication patterns are extracted from traces observed at individual communication interfaces between components. In the global mining stage, these local patterns are composed to identify higher-level message flows that characterize communication behavior across multiple components. Experimental results on both synthetic traces and traces generated from SoC models in GEM5 demonstrate that AutoFlows++ significantly improves flow extraction accuracy compared with prior approaches, highlighting its effectiveness for practical SoC validation tasks.
• Abstract（参考訳）: 現代のシステム・オン・チップ(SoC)設計における通信動作の理解は,機能検証,性能解析,事後デバッグにおいて重要である。 通信トレースはシステムコンポーネント間のメッセージ交換をキャプチャし、システムの振る舞いに関する貴重な洞察を提供する。 しかし、このようなトレースから簡潔な通信仕様を導出することは、コミュニケーションフローのインターリーブ化やメッセージ間のあいまいな因果関係のため、依然として困難である。 既存のマイニングアプローチは、トレースが複数のコンポーネントにわたる複雑なメッセージパターンのインターリーブを含む場合、スケーラビリティとあいまいさに苦労することが多い。 これらの条件は、しばしば、候補フローの数が爆発的に増加し、通信行動の不正確な抽出につながる。 本稿では,複雑なSoC設計の通信トレースからメッセージフローをマイニングするための設計アーキテクチャ誘導型階層フレームワークであるAutoFlows++を提案する。 AutoFlows++は、ローカルマイニングとグローバルマイニングの2段階で動作する。 局所的な鉱業では、コンポーネント間の個々の通信インターフェースで観測されたトレースから単純な通信パターンが抽出される。 グローバルマイニングの段階では、これらの局所パターンは複数のコンポーネント間の通信動作を特徴付ける高レベルのメッセージフローを特定するために構成される。 GEM5におけるSoCモデルから生成した合成トレースとトレースの両方の実験結果から,AutoFlows++は従来の手法と比較して,フロー抽出の精度を著しく向上し,実用的なSoC検証タスクの有効性を浮き彫りにしている。

関連論文リスト

• Contextualize-then-Aggregate: Circuits for In-Context Learning in Gemma-2 2B [51.74607395697567]
  In-Context Learning (ICL)は、大規模言語モデル(LLM)の興味深い能力である。 我々は5つの自然主義ICLタスクに対してGemma-2 2Bにおける情報フローを因果介入を用いて同定する。 このモデルでは,2段階戦略を用いてタスク情報を推論し,コンテキスト化-then-aggregateと呼ぶ。
  論文  参考訳（メタデータ） (2025-03-31T18:33:55Z)
• MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification [59.96233305733875]
  トラフィックの分類は、セキュリティの脅威を検出し、ネットワーク管理を最適化するために不可欠である。 トークンレベルとパケットレベルの両方の関係をキャプチャするMulti-Instance Encrypted Traffic Transformer (MIETT)を提案する。 MIETTは5つのデータセットにまたがって結果を達成し、暗号化されたトラフィックの分類と複雑なネットワーク動作の理解の有効性を示す。
  論文  参考訳（メタデータ） (2024-12-19T12:52:53Z)
• Large Language Models as Realistic Microservice Trace Generators [48.730974361862366]
  本稿では,大規模言語モデル (LLM) を用いて, 合成作業負荷トレースを生成する手法を提案する。 我々はTraceLLMが様々な条件下で多様なリアルなトレースを生成し、精度と妥当性の両方において既存のアプローチよりも優れていることを示す。 TraceLLMは、キートレース機能を予測したり、欠落したデータを埋め込むといった、下流のトレース関連タスクに適応する。
  論文  参考訳（メタデータ） (2024-12-16T12:48:04Z)
• Online Joint Fine-tuning of Multi-Agent Flows [12.851745991007169]
  本稿では,ラーニング・トゥ・サーチフレームワークに触発された全フローのオンライン共同微調整手順について述べる。 このアプローチはシミュレータアクセスを活用して、エピソード全体の好みを減らし、個々のノード出力よりも好みを減らします。 私は、最先端の結果を達成するためのマルチホップQAデータセットMuseicに適用します。
  論文  参考訳（メタデータ） (2024-06-06T21:21:03Z)
• Inferring Message Flows From System Communication Traces [5.159745269633967]
  本稿では,システム・オン・チップ(SoC)設計の通信トレースからメッセージフロー仕様を自動的に推測する手法を提案する。 提案手法は,人間設計者に対する手作業による開発やメンテナンスの負担を軽減する。 提案手法の有効性を,GEM5における複数のシステムモデルの実行から生成した合成トレースとトレースの両方で評価した。
  論文  参考訳（メタデータ） (2024-05-21T00:34:35Z)
• Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
  トポロジカル空間の観点から意味コミュニケーションを研究する。 送信機はまずデータを$k$の単純複素数にマッピングし、その高次相関を学習する。 受信機は構造を復号し、行方不明または歪んだデータを推測する。
  論文  参考訳（メタデータ） (2022-10-30T22:33:44Z)
• Boosting Entity Mention Detection for Targetted Twitter Streams with Global Contextual Embeddings [7.337247167823921]
  マイクロブログにおける情報の自動抽出と解析に関連する2つの重要なタスクは、エンティティ・メンション・インテクション(EMD)とエンティティ・インテクション(ED)である。 最先端システムは、オフラインの静的データセットに基づいてトレーニングすることで、マイクロブログテキストの非文学的な性質をモデル化することを目的としている。 しかし、マイクロブログストリームの絶え間なく進化している性質を考えると、このような変化する限られたコンテキストからすべてのエンティティが言及されていることを検知することは難しい問題である。 我々はマイクロブログストリーム上での学習者実行に適したGlobalizerというフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-28T01:44:05Z)

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。