KATO：面向不同设计和技术节点的晶体管尺寸知识对齐与迁移
机器学习
2024-04-24 v1 计算工程、金融与科学
摘要
晶体管在电路设计中的自动尺寸调整仍是一个巨大挑战。尽管贝叶斯优化（BO）取得了显著成功，但其针对特定电路，限制了知识在更广泛应用中的积累与迁移。本文提出了 (1) 高效自动核函数构建， (2) 首次实现 BO 中不同电路和技术节点之间的迁移学习， (3) 选择性迁移学习方案，确保仅利用有用知识。这三个新颖组件集成到 MACE（Multi-objective Acquisition Ensemble）中的 BO，以形成 Knowledge Alignment and Transfer Optimization（KATO），实现最先进的性能：相较基线实现最高 2 倍仿真减少和 1.2 倍设计改进。
引用
@article{arxiv.2404.14433,
title = {KATO: Knowledge Alignment and Transfer for Transistor Sizing of Different Design and Technology},
author = {Wei W. Xing and Weijian Fan and Zhuohua Liu and Yuan Yao and Yuanqi Hu},
journal= {arXiv preprint arXiv:2404.14433},
year = {2024}
}
备注
6 pages, received by DAC2024