RL-Guided Λεπτομερές πλαίσιο δρομολόγησης για προηγμένα προσαρμοσμένα κυκλώματα

RL-Guided Λεπτομερές πλαίσιο δρομολόγησης για προηγμένα προσαρμοσμένα κυκλώματα

Κόμβος πηγής: 2665618

Μια τεχνική εργασία με τίτλο «Reinforcement Learning Guided Detailed Routing for Custom Circuits» δημοσιεύτηκε από ερευνητές στο UT Austin, στο Πανεπιστήμιο του Πρίνστον και στη NVIDIA.

«Αυτή η εργασία παρουσιάζει ένα νέο λεπτομερές πλαίσιο δρομολόγησης για προσαρμοσμένα κυκλώματα που αξιοποιεί τη βαθιά μάθηση ενίσχυσης για τη βελτιστοποίηση των μοτίβων δρομολόγησης, λαμβάνοντας υπόψη τους προσαρμοσμένους περιορισμούς δρομολόγησης και τους κανόνες βιομηχανικού σχεδιασμού. Ολοκληρωμένες αναλύσεις μετά τη διάταξη που βασίζονται σε βιομηχανικά σχέδια καταδεικνύουν την αποτελεσματικότητα του πλαισίου μας στην αντιμετώπιση των καθορισμένων περιορισμών και στην παραγωγή λύσεων δρομολόγησης ποιότητας σήμανσης», αναφέρει το έγγραφο.

Βρείτε το τεχνικό έγγραφο εδώ. Δημοσιεύθηκε Μάρτιος 2023.

Hao Chen, Kai-Chieh Hsu, Walker J. Turner, Po-Hsuan Wei, Keren Zhu, David Z. Pan και Haoxing Ren. 2023. Ενισχυτική μάθηση καθοδηγούμενη λεπτομερής δρομολόγηση για προσαρμοσμένα κυκλώματα. In Proceedings of the 2023 International Symposium on Physical Design (ISPD ’23). Association for Computing Machinery, Νέα Υόρκη, Νέα Υόρκη, ΗΠΑ, 26–34. https://doi.org/10.1145/3569052.3571874.

Σφραγίδα ώρας:

Περισσότερα από Ημι Μηχανική