利用神经架构搜索自动开发可布线预测器
机器学习
2021-12-07 v2
摘要
机器学习技术的兴起激发了其在电子设计自动化 (EDA) 中应用的蓬勃发展，并有助于提高芯片设计的自动化程度。然而，手工打造的机器学习模型需要大量人类专业知识和巨大的工程投入。在这项工作中，我们利用神经架构搜索 (NAS) 来自动化开发用于可布线预测的高质量神经架构，这有助于引导单元布局朝向可布线的解决方案。我们的搜索方法支持各种操作和高度灵活的连接，产生的架构与以往所有手工打造的模型显著不同。在大型数据集上的实验结果表明，我们自动生成的神经架构明显优于多种具有代表性的手工打造方案。与手工打造模型的最佳情况相比，NAS 生成的模型在预测具有 DRC 违规的线网数量上 Kendall's 提高了 5.85%，在 DRC 热点检测上 ROC 曲线下面积 (ROC-AUC) 提高了 2.12%。此外，与容易耗费数周时间开发的手工打造模型相比，我们高效的 NAS 方法仅用 0.3 天就完成了整个自动搜索过程。
引用
@article{arxiv.2012.01737,
title = {Automatic Routability Predictor Development Using Neural Architecture Search},
author = {Chen-Chia Chang and Jingyu Pan and Tunhou Zhang and Zhiyao Xie and Jiang Hu and Weiyi Qi and Chun-Wei Lin and Rongjian Liang and Joydeep Mitra and Elias Fallon and Yiran Chen},
journal= {arXiv preprint arXiv:2012.01737},
year = {2021}
}
备注
9 pages, 6 figures, accepted by ICCAD'21