基于单片机的数据采集器设计(首个用于快速芯片设计中机器学习应用的开源数据集)

中国论文网 发表于2022-09-30 23:12:19 归属于销售工作总结 本文已影响404 我要投稿 手机版

       电子设计自动化(EDA)或计算机辅助设计(CAD)是用于设计电子系统的一类软件工具,例如集成电路(IC)。借助EDA工具,设计人员可以完成具有数十亿个晶体管的超大规模集成(VLSI)芯片的设计流程。由于电子系统的大规模和高复杂性,EDA工具对于现代VLSI设计至关重要。

最近,随着人工智能(AI)算法的蓬勃发展,EDA社区正在积极探索用于设计先进芯片的AI用于IC技术。许多研究已经探索了基于机器学习(ML)的技术,用于设计流程中的跨阶段预测任务,以实现更快的设计收敛。例如,谷歌于2021年在《自然》杂志上发表了一篇题为“快速芯片设计的图形放置方法”的论文,利用强化学习(RL)将宏放置在芯片设计中。

其基本思路是将芯片布局视为Go板,而将每个宏视为一块石头。通过这种方式,可以使用10,000个内部设计样本对RL代理进行预训练,并学习如何一次放置一个宏。通过对每个设计上的代理进行大约6个小时的微调,它可以在Google的TPU芯片上超越传统EDA工具的性能,并获得更好的性能,功率和面积(PPA)。

可以看出,“AIforEDA”正在设计自动化社区积极探索。虽然构建ML模型通常需要大量的数据,但由于缺乏大型公共数据集和数据生成困难,大多数研究只能生成小型内部数据集进行验证。为此,迫切需要一个专用于EDA中ML任务的开源数据集。

为了解决这个问题,北京大学的研究小组发布了第一个名为RircentNet的开源数据集,该数据集致力于在VLSICAD中用于IC应用的AI。该数据集由来自六个开源RISC-V设计的超过10000个样本和54个合成电路网表组成,为跨阶段预测任务提供整体支持,并支持路由拥塞预测、设计规则检查(DRC)违规预测和IR跌落预测等任务。电路网的主要特点可以概括如下:

多任务:数据集支持三个预测任务,即拥塞预测、DRC违规预测和IR丢弃预测。该数据集包括最先进方法中广泛采用的特征,并通过实验进行验证。

易于使用的格式:功能经过预处理并转换为Numpy数组,并删除了受限制的信息。用户可以通过Python脚本轻松加载数据。

三个跨阶段预测任务:拥塞、DRC违规和IR丢弃。图片来源:中国科学出版社

为了评估CircuitNet的有效性,作者通过对三个预测任务的实验来验证数据集:拥塞、DRC违规和IR丢弃。每个实验都采用最近研究中的方法,并使用与原始研究相同的评估指标在RircuitNet上评估其结果。总体而言,结果与原始出版物一致,这证明了电路网的有效性。有关实验设置的详细教程可在GitHub上找到。未来,作者计划在先进技术节点中采用更多具有大规模设计的数据样本,以提高数据集的规模和多样性。

返回销售工作总结列表
展开剩余(