論文の概要: EGGPlacer: Energy-Guided Generative Chip Placement with Diffusion Models

• arxiv url: http://arxiv.org/abs/2610.33099v1
• Date: Thu, 22 Oct 2026 14:05:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.243993
• Title: EGGPlacer: Energy-Guided Generative Chip Placement with Diffusion Models
• Title（参考訳）: EGGPlacer:拡散モデルを用いたエネルギー誘導型世代チップ配置
• Abstract要約: EGGPlacerは、分析的配置フィードバックと熱的フィードバックをマクロ配置生成に組み込んだエネルギー誘導拡散フレームワークである。 EGGPlacerは、強力な分析および学習に基づくマクロプレーサーと比較して、競争力のある混合HPWLを実現する。
• 参考スコア（独自算出の注目度）: 23.952724353990785
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chip placement strongly affects routed wirelength and thermal behavior, yet these downstream metrics are difficult to evaluate during macro placement. Learning-based macro placers commonly optimize the macro-only half-perimeter wirelength (HPWL), denoted mHPWL, which ignores standard cell connectivity and spatial demand. In contrast, analytical mixed-size placers optimize differentiable full netlist wirelength and density objectives but are typically unaware of thermal effects. We propose EGGPlacer, an energy-guided diffusion framework that incorporates analytical placement feedback and thermal feedback into macro placement generation. An analytical placer acts as an online physical response model, exposing the standard cell distribution and a full netlist wirelength proxy induced by each intermediate macro placement, while a differentiable thermal model provides temperature feedback. These signals are formulated as composable energies and injected throughout reverse diffusion without retraining the underlying generative model. Experiments on public placement benchmarks show that EGGPlacer achieves competitive mixed-size HPWL relative to strong analytical and learning-based macro placers. In the end-to-end evaluation, EGGPlacer also obtains the lowest average routed wirelength and peak temperature among the evaluated methods. Ablation studies further demonstrate that analytical and thermal guidance provide distinct and complementary benefits across wirelength proxies, routed wirelength, and thermal objectives.
• Abstract（参考訳）: チップ配置は経路線長と熱的挙動に強く影響を及ぼすが、これらの下流の計測値はマクロ配置中は評価が難しい。 学習ベースのマクロプレーサーは、標準的なセル接続と空間的要求を無視したmHPWL(英語版)と呼ばれるマクロのみの半周ワイヤ長(HPWL)を最適化する。 対照的に、分析的な混合サイズプレーサーは、識別可能なフルネットリストのワイヤ長と密度の目的を最適化するが、通常は熱効果に気付かない。 本稿では,解析的配置フィードバックと熱的フィードバックをマクロ配置生成に組み込んだエネルギー誘導拡散フレームワークEGGPlacerを提案する。 解析的プレーサーはオンライン物理応答モデルとして機能し、標準セル分布と中間マクロ配置毎に誘導される完全なネットリストワイヤ長プロキシを露出し、微分可能な熱モデルが温度フィードバックを提供する。 これらの信号は構成可能なエネルギーとして定式化され、基礎となる生成モデルを再学習することなく逆拡散を通して注入される。 公開配置ベンチマーク実験により,EGGPlacerは強力な解析および学習に基づくマクロプレーサーと比較して,競合する混合サイズHPWLを達成することが示された。 また, エンド・ツー・エンド評価において, EGGPlacerは評価方法の中で, 平均経路線長およびピーク温度の最低値も取得する。 アブレーション研究により、分析的および熱的ガイダンスは、線長プロキシ、ルーティングされたワイヤ長および熱的目的にまたがって、明瞭で相補的な利点をもたらすことが示されている。

関連論文リスト

• Generalizable single-cell perturbation response prediction using energy-guided flow matching [53.501471839336084]
  scEGFlowは、制御と摂動した細胞状態をブリッジするエネルギー誘導フローマッチングフレームワークである。 scEGFlowは条件付きフローマッチングを用いて制御セルから摂動状態への連続的な遷移をモデル化する。 次に、これらの予測を補正し、操縦するために条件特異的なエネルギー勾配を適用し、フローモデルを再訓練することなく柔軟な調整を可能にする。
  論文  参考訳（メタデータ） (2026-09-27T03:53:41Z)
• Surface Excitations, Energy Loss, and Decoherence in Electron Interferometry [0.0]
  電子エネルギー損失分光法(EELS)のモデルとデコヒーレンスがどのように結びつくかを示す。 遅延と熱的占有を取り入れることで、Scheel と Buhmann のマクロ QED モデルを再現する。 熱重み付けは、基板の近接場熱測定プローブとしての外界視認性(英語版)の応用を示唆している。
  論文  参考訳（メタデータ） (2026-05-31T04:43:30Z)
• EMGFlow: Robust and Efficient Surface Electromyography Synthesis via Flow Matching [3.4728825864079877]
  深層学習に基づく表面筋電図(SEMG)のジェスチャー認識は、データ不足と限られた対象の多様性によってしばしばボトルネックとなる。 このギャップを埋めるために,条件付きsEMG生成フレームワークであるEMGFlowを提案する。 我々の知る限りでは、sEMG領域におけるフローマッチング(FM)と連続時間生成モデリングの適用性を調べる最初の研究である。
  論文  参考訳（メタデータ） (2026-04-15T10:07:29Z)
• TokaMark: A Comprehensive Benchmark for MAST Tokamak Plasma Models [56.94569090844015]
  TokaMarkは、Mega Ampere Spherical Tokamak (MAST)から収集された実実験データに基づいてAIモデルを評価するための構造化ベンチマークである。 TokaMarkは、データ駆動型AIベースのプラズマモデリングの進歩を加速することを目的としている。
  論文  参考訳（メタデータ） (2026-02-05T16:49:44Z)
• Probabilistic Predictions of Process-Induced Deformation in Carbon/Epoxy Composites Using a Deep Operator Network [7.616136432212582]
  熱硬化過程における熱膨張係数とマトリックス収縮係数のミスマッチにより, 繊維強化とポリマーマトリックスは製造条件に異なる反応を示した。 本研究では,一方向のAS4炭素繊維/アミン二官能エポキシ前駆体とプロセス誘起変形(PID)を2機構の枠組みを用いてモデル化する。
  論文  参考訳（メタデータ） (2025-12-15T03:04:45Z)
• Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
  拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。 PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。 N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-19T17:14:22Z)
• Aggregation of Published Non-Uniform Axial Power Data for Phase II of the OECD/NEA AI/ML Critical Heat Flux Benchmark [0.0]
  臨界熱流束(CHF)は軽水炉の沸騰危機の始まりを示す。 この研究は、一様および非一様軸加熱条件の両方をカバーする広いCHFデータセットをコンパイルし、デジタル化する。
  論文  参考訳（メタデータ） (2025-06-18T16:01:44Z)
• Machine-Learning enabled analysis of ELM filament dynamics in KSTAR [0.0]
  本研究では,EMMフィラメントの位置,空間拡張,振幅を自動的に識別できる機械学習モデルを提案する。 このモデルでは9,3.7%の精度でプラズマフィラメントを識別できる。 フィラメントサイズ, 全熱量, 放射速度の準周期振動を同定した。
  論文  参考訳（メタデータ） (2022-01-20T01:14:47Z)
• Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains at Finite Temperature: Exact Results [68.8204255655161]
  奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。 正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
  論文  参考訳（メタデータ） (2021-05-11T14:08:02Z)

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。