論文の概要: RTL-Sequencer: Towards Scalable RTL Timing Prediction with the Sequence-based Paradigm

• arxiv url: http://arxiv.org/abs/2607.15830v1
• Date: Fri, 17 Jul 2026 10:40:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.828169
• Title: RTL-Sequencer: Towards Scalable RTL Timing Prediction with the Sequence-based Paradigm
• Title（参考訳）: RTL-Sequencer:シーケンスベースのパラダイムによるスケーラブルRTLタイミング予測に向けて
• Abstract要約: 我々は、スケーラブルなRTLタイミング予測を可能にする新しいシーケンスベースのパラダイムであるRTL-Sequencerを提案する。 シーケンスモデルは、シーケンスシャッフル、双方向モデリング、微分可能モデリング、ハイブリッドグラフシーケンスアーキテクチャを含む4つの相乗的手法によってカスタマイズされる。 実験では、最先端のベースラインよりも大幅に改善され、アーリーステージのタイミング最適化が進んでいる。
• 参考スコア（独自算出の注目度）: 10.653915786885026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate timing prediction at the register-transfer level (RTL) is a longstanding challenge in design automation. Existing graph-based methods struggle with limited receptive fields, high complexity, and a lack of signal directionality. We present RTL-Sequencer, a novel sequence-based paradigm that enables scalable RTL timing prediction via linearizing logic cones by breadth-first traversal and applying modern linear sequence models. Furthermore, sequence models are customized by four synergistic techniques, including sequence shuffling, bidirectional modeling, differentiable modeling, and a hybrid graph-sequence architecture. Extensive experiments demonstrate significant improvements of RTL-Sequencer over state-of-the-art baselines, advancing early-stage timing optimization.
• Abstract（参考訳）: レジスタ転送レベル(RTL)における正確なタイミング予測は、設計自動化における長年にわたる課題である。 既存のグラフベースの手法は、限られた受容場、高い複雑さ、信号の方向性の欠如に苦慮している。 RTL-Sequencerは,線形化論理コーンによる線形化によるスケーラブルなRTLタイミング予測を可能にする新しいシーケンスベースパラダイムである。 さらに、シーケンスモデルは、シーケンスシャッフル、双方向モデリング、微分可能モデリング、ハイブリッドグラフシーケンスアーキテクチャを含む4つの相乗的手法によってカスタマイズされる。 大規模な実験では、最先端のベースラインよりもRTLシーケンスが大幅に改善され、早期のタイミング最適化が進んでいる。

関連論文リスト

• Principal-timestep Restricted Init via Sparse Matrix-decomposition in Flow-matching [17.26864820077326]
  微調整時の勾配アライメントを改善するSparse Matrix-decomposition フレームワークによるPrism-LoRAを提案する。 提案手法は,複数の拡散微調整ベンチマークにおける収束速度と最終性能を継続的に改善する。
  論文  参考訳（メタデータ） (2026-09-14T14:30:54Z)
• TVGL-CFM:Generating and Forecasting Time-Varying Trajectories of Dynamic Networks with Conditional Flow Matching [9.744098349911168]
  本稿では,このようなチェーンの分布を学習し,時間的変化のあるネットワークトラジェクトリを新たに生成する,単一のモデルであるTVGL-CFMを紹介する。 予測には、ノイズではなく、最近の大まかな外挿から流れを開始するので、モデルは小さな補正しか学ばない。 脳波動画像、カオスシステム、および遺伝子発現データ全体にわたって、TVGL-CFMは実データのクラス識別構造を保持する軌跡を生成する。
  論文  参考訳（メタデータ） (2026-07-18T17:29:55Z)
• StepPRM-RTL: Stepwise Process-Reward Guided LLM Fine-Tuning for Enhanced RTL Synthesis [8.522674895225597]
  本稿では,段階的軌跡モデリング,プロセス・リワードモデリング,検索強化微調整を組み合わせた新しいフレームワークであるStepPRM-RTLを提案する。 StepPRM-RTLは、各ステップが合理的かつインクリメンタルなコード修正を含む、標準的なソリューションからのステップワイズ推論トラジェクトリを構築する。 Monte Carlo Tree Search (MCTS)は、トレーニングデータセットを高品質な軌道で強化し、代替の推論パスを探索する。
  論文  参考訳（メタデータ） (2026-06-02T21:52:48Z)
• PRISM: Parallel Residual Iterative Sequence Model [52.26239951489612]
  我々はこの緊張を解決するためにPRISM(Parallel Residual Iterative Sequence Model)を提案する。 PRISMは、パラレル化可能な形で多段階精製の重要な構造特性を捉える、ソルバに着想を得た帰納バイアスを導入している。 この定式化が Rank-$L$ の蓄積を達成することを証明し、更新多様体を単一ステップの Rank-$1$ ボトルネックを超えて構造的に拡張する。
  論文  参考訳（メタデータ） (2026-02-11T12:39:41Z)
• Nesterov Method for Asynchronous Pipeline Parallel Optimization [59.79227116582264]
  パイプライン並列処理における非同期最適化のために,Nesterov Accelerated Gradient (NAG) の変種を導入する。 具体的には、NAGのルックアヘッドステップを変更して、勾配の安定性を効果的に解決する。 我々は、勾配の固定遅延の存在下で、我々のアプローチがサブ線形速度で収束することを理論的に証明する。
  論文  参考訳（メタデータ） (2025-05-02T08:23:29Z)
• Bidirectional Linear Recurrent Models for Sequence-Level Multisource Fusion [10.867398697751742]
  BLUR(Bidirectional Linear Unit for Recurrent Network)を導入し,前向きおよび後向きの線形リカレントユニット(LRU)を用いて,過去および将来の依存関係を高い計算効率で捕捉する。 逐次画像と時系列データセットの実験により、BLURはトランスフォーマーや従来のRNNをはるかに上回るだけでなく、計算コストを大幅に削減することが明らかになった。
  論文  参考訳（メタデータ） (2025-04-11T20:42:58Z)
• Csi-LLM: A Novel Downlink Channel Prediction Method Aligned with LLM Pre-Training [3.2721332912474668]
  大規模言語モデル(LLM)は、複雑な配列に対して強力なパターン認識と推論能力を示す。 可変ステップ履歴列をモデル化するLLMを用いたダウンリンクチャネル予測技術であるCsi-LLMを紹介する。 そこで我々は,Csi-LLMの設計と訓練を自然言語タスクの処理と整合させる。
  論文  参考訳（メタデータ） (2024-08-15T11:39:23Z)
• Non-autoregressive Sequence-to-Sequence Vision-Language Models [59.445765313094434]
  本稿では,デコーダ内の複数の推論経路をマージする並列デコードシーケンス・ツー・シーケンス・ビジョン言語モデルを提案する。 このモデルは最先端の自己回帰モデルと同等のパフォーマンスを実現するが、推論時間では高速である。
  論文  参考訳（メタデータ） (2024-03-04T17:34:59Z)
• Time-to-Green predictions for fully-actuated signal control systems with supervised learning [56.66331540599836]
  本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。 我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。 スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-24T07:50:43Z)
• Multivariate Time Series Forecasting with Dynamic Graph Neural ODEs [65.18780403244178]
  動的グラフニューラル正規微分方程式(MTGODE)を用いた多変量時系列予測連続モデルを提案する。 具体的には、まず、時間進化するノードの特徴と未知のグラフ構造を持つ動的グラフに多変量時系列を抽象化する。 そして、欠落したグラフトポロジを補完し、空間的および時間的メッセージパッシングを統一するために、ニューラルODEを設計、解決する。
  論文  参考訳（メタデータ） (2022-02-17T02:17:31Z)
• Short-Term Memory Optimization in Recurrent Neural Networks by Autoencoder-based Initialization [79.42778415729475]
  線形オートエンコーダを用いた列列の明示的暗記に基づく代替解を提案する。 このような事前学習が、長いシーケンスで難しい分類タスクを解くのにどのように役立つかを示す。 提案手法は, 長周期の復元誤差をはるかに小さくし, 微調整時の勾配伝播を良くすることを示す。
  論文  参考訳（メタデータ） (2020-11-05T14:57:16Z)

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。