共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于图神经网络的电子设计自动化技术研究进展显示文摘在摩尔定律的推动下,工艺节点在不断演进,集成电路设计复杂度也在不断增加,电子设计自动化(EDA)技术面临着来自运行时间与计算资源等诸多方面的挑战。为了缓解这些挑战,机器学习方法已被纳入EDA工具的设计流程中。与此同时,鉴于电路网表作为图形数据的本质,图神经网络(GNN)在EDA流程中的应用正变得越来越普遍,为复杂问题的建模以及最优问题的求解带来了新思路。该文首先对GNN与EDA技术的概念内涵进行了简要的概述,详细地梳理了GNN在高层次综合(HLS)、逻辑综合、布图规划与布局、布线、反向工程、硬件木马检测以及测试点插入等不同EDA设计流程中的主要作用,以及当前基于GNN的EDA技术的一些重要探索。以希望为集成电路设计自动化以及相关领域的研究人员提供参考,为我国先进集成电路产业的发展提供技术支持。 | 田春生 陈雷 王源 王硕 周婧 王卓立 庞永江 杜忠 | 2023 | 电子与信息学报2023，45，9： | 0 |
| 2 | 面向集成电路拥塞预测的版图数据扩充方法显示文摘针对深度学习领域中集成电路(IC)版图数据集不充足导致预测模型准确度有限的问题,基于双生成对抗网络(DoubleGAN),提出了一种面向拥塞预测的版图数据扩充和自动标注方法。首先,利用5层反卷积网络结构搭建特征图生成模型,利用U-net结构搭建标签自动标注模型;然后,以Wasserstein距离为损失函数,训练以上模型;最后,原数据集通过以上模型扩充一定倍数后作为训练集,代入拥塞预测模型,提升预测的准确度。在拥塞预测数据集上进行数据生成实验,DoubleGAN生成数据的FID(Fréchet Inception Distance)的平均值为165.943,质量较好。与传统、深度卷积生成对抗网络(DCGAN)扩充方法进行对比实验,使用DoubleGAN扩充2倍时的预测方法,在归一化均方根误差(NRMS)、峰值信噪比(PSNR)、结构相似衡量(SSIM)指标上均优于传统方法和DCGAN扩充方法;对比数据扩充前的拥塞预测模型,各指标均有1.34%~17.98%的改善效果,实验结果表明所提扩充方法在总体上能够提高预测模型的准确度。 | 莫桂棋 夏益民 邢延 李卫军 蔡述庭 | 2023 | 计算机应用2023，43，S02： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员