RL-gesteuertes detailliertes Routing-Framework für erweiterte benutzerdefinierte Schaltkreise

Ein technischer Artikel mit dem Titel „Reinforcement Learning Guided Detailrouting for Custom Circuits“ wurde von Forschern der UT Austin, der Princeton University und NVIDIA veröffentlicht.

„In diesem Artikel wird ein neuartiges, detailliertes Routing-Framework für kundenspezifische Schaltkreise vorgestellt, das Deep Reinforcement Learning nutzt, um Routing-Muster zu optimieren und dabei kundenspezifische Routing-Einschränkungen und Industriedesignregeln zu berücksichtigen. „Umfassende Post-Layout-Analysen auf der Grundlage von Industriedesigns zeigen die Wirksamkeit unseres Rahmenwerks bei der Bewältigung der festgelegten Einschränkungen und der Erstellung von Routing-Lösungen in Sign-off-Qualität“, heißt es in dem Papier.

Finden Sie die technisches Papier hier. Veröffentlicht März 2023.

Hao Chen, Kai-Chieh Hsu, Walker J. Turner, Po-Hsuan Wei, Keren Zhu, David Z. Pan und Haoxing Ren. 2023. Reinforcement Learning Guided Detailliertes Routing für benutzerdefinierte Schaltkreise. In Proceedings of the 2023 International Symposium on Physical Design (ISPD ’23). Association for Computing Machinery, New York, NY, USA, 26–34. https://doi.org/10.1145/3569052.3571874.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoAiStream. Web3-Datenintelligenz. Wissen verstärkt. Hier zugreifen.
• Die Zukunft prägen mit Adryenn Ashley. Hier zugreifen.
• Kaufen und verkaufen Sie Anteile an PRE-IPO-Unternehmen mit PREIPO®. Hier zugreifen.
• Quelle: https://semiengineering.com/24225134-2/