論文の概要: A Physics-Guided Transformer Framework for Electromigration Analysis in Multi-Segment Interconnects

• arxiv url: http://arxiv.org/abs/2610.06464v1
• Date: Mon, 05 Oct 2026 14:59:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 08:10:29.898222
• Title: A Physics-Guided Transformer Framework for Electromigration Analysis in Multi-Segment Interconnects
• Title（参考訳）: 多セグメント配線におけるエレクトロマイグレーション解析のための物理誘導型変圧器フレームワーク
• Abstract要約: エレクトロマイグレーションは、オンチップ相互接続における主要な信頼性の課題の1つである。 本稿では,多セグメント配線における高速EM応力予測のための物理誘導型変圧器フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.54089380738715
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As technology scales to smaller nodes, increasing current densities make electromigration (EM) one of the dominant reliability challenges in on-chip interconnects. Accurate transient stress analysis is needed to identify wires susceptible to EM degradation, but applying physics-based solvers across many interconnects remains computationally expensive. This paper proposes a physics-guided transformer framework for fast EM stress prediction in multi-segment interconnect lines. The framework converts each line into geometry- and DC-aware segment tokens and uses transformer attention to capture line-level context. A lightweight query decoder then predicts stress at selected locations and time instants. The model is trained with an objective that combines normalized supervised regression, linewise relative-$L_2$ loss, and physics-guided continuity and terminal-flux terms. Experiments on IBM power grid benchmarks show that the proposed model achieves relative-$L_2$ error below 8\% and reaches up to 2459.68$\times$ speedup compared with the matrix exponential~solver.
• Abstract（参考訳）: 技術が小さなノードに拡大するにつれて、電流密度の増大は、オンチップ相互接続における主要な信頼性課題の1つであるエレクトロマイグレーション(EM)をもたらす。 EM劣化の影響を受けやすいワイヤを同定するためには、正確な過渡応力解析が必要であるが、多くの相互接続に物理ベースの解法を適用することは、計算的に高価である。 本稿では,多セグメント配線における高速EM応力予測のための物理誘導型変圧器フレームワークを提案する。 このフレームワークは各行をジオメトリおよびDC対応セグメントトークンに変換し、トランスフォーマーアテンションを使用して行レベルのコンテキストをキャプチャする。 軽量クエリデコーダは、選択した場所と時刻でストレスを予測する。 このモデルは、正規化された教師付き回帰、直線的に相対-$L_2$損失、物理誘導連続性と終流項を組み合わせた目的で訓練される。 IBMの電力グリッドベンチマークの実験では、提案されたモデルが8\%未満の相対=L_2$エラーを達成し、行列指数~解法と比較して最大2459.68$\times$スピードアップに達することが示されている。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Structured Residual Connectivity Matters for Diffusion Transformers [91.88563792356344]
  Diffusion Transformers (DiTs) は、高忠実度画像合成のためのスケーラブルなバックボーンとしての地位を確立している。 本稿では,DiTの残差接続を画像復調に最適化した能動的検索機構に変換することを提案する。
  論文  参考訳（メタデータ） (2026-09-27T04:42:36Z)
• Physics-Based Flow Matching for Full-Field Prediction of Silicon Photonic Devices [0.02455468619225742]
  我々は、フォトニックデバイスにおける電界分布を予測する生成型ニューラルネットワークであるPICFlowを提案する。 提案手法は, (i) 生成フレームワークとしての条件付きフローマッチング, (ii) 実フィールドチャネルと虚フィールドチャネルを実数値で操作するU-Net, (iii) ランタイムナブラ2 E_z + k2 varepsilon E_z = 0$のHelmholtz残留損失による物理制約付きトレーニングの3つを組み合わせたものである。
  論文  参考訳（メタデータ） (2026-05-07T20:40:24Z)
• Mesh Based Simulations with Spatial and Temporal awareness [2.867517731896504]
  本稿では,幾何学的深層学習と厳密な数値解析のギャップを埋める統一的な枠組みを提案する。 1) ノードの全局所トポロジのフィールド値を予測するステンシルレベルの目的であるマルチノード予測,(2) 時間的微分整合性,(3) 時間的交叉による不安定な定性的スキームを予測器・コレクタに置き換える時間的補正,(3) 幾何学的インダクティブ・ビアース,3) 3次元回転位置埋め込み(RoPE)を利用して非構造メッシュの回転対称性を頑健に捉える。
  論文  参考訳（メタデータ） (2026-05-02T17:09:31Z)
• Parallelizing Linear Transformers with the Delta Rule over Sequence Length [49.88826673324244]
  この研究は、デルタ則で線形変圧器を訓練するためのハードウェア効率の良いアルゴリズムについて述べる。 我々は100Bトークンに対して1.3Bモデルをトレーニングし、最近の線形時間ベースラインよりも優れていることを発見した。
  論文  参考訳（メタデータ） (2024-06-10T17:24:42Z)
• Multi-fidelity power flow solver [0.0]
  提案モデルでは、直流近似を低忠実度データとしてトレーニングした第1のネットワークと、低忠実度と高忠実度の両方の電力フローデータでトレーニングした第2のネットワークで構成されている。 14-および118-busのテストケースで実験を行い、不均衡な並行性データと高-低忠実度サンプル比に対して、n-k$の電力流量予測精度に基づいて性能評価を行った。
  論文  参考訳（メタデータ） (2022-05-26T13:43:26Z)
• Multilayer Perceptron Based Stress Evolution Analysis under DC Current Stressing for Multi-segment Wires [8.115870370527324]
  エレクトロマイグレーション(EM)は、超大規模統合(VLSI)システムの信頼性解析における主要な関心事の一つである。 従来の手法はしばしば十分に正確ではないため、特に高度な技術ノードにおいて、望ましくない過設計につながる。 本稿では,多層パーセプトロン(MLP)を用いて,空核形成フェーズにおける相互接続木間の応力変化を計算する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-17T07:38:20Z)
• EM-GAN: Fast Stress Analysis for Multi-Segment Interconnect Using Generative Adversarial Networks [2.7323347531070974]
  生成対向ネットワーク(GAN)を用いた多セグメント配線の高速過渡応力解析によるエレクトロマイグレーション(EM)故障評価法を提案する。 提案したアルゴリズムはEM-GANと呼ばれ、与えられた老化時間に対して、一般的なマルチセグメントワイヤツリーの正確な応力分布を迅速に得ることができる。
  論文  参考訳（メタデータ） (2020-04-27T21:18:11Z)

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。