大而不倒？主动少样本学习引导的逻辑综合
机器学习
2022-04-13 v1 人工智能
硬件体系结构
摘要
生成次优的综合变换序列（“综合配方”）是逻辑综合中的一个重要问题。人工设计的综合配方质量较差。最先进的机器学习（ML）生成综合配方的工作无法扩展到大型网表，因为模型需要从头训练，而训练数据通过耗时的综合运行收集。我们提出一种新方法Bulls-Eye，它在过往综合数据上微调预训练模型，以准确预测未见网表的综合配方质量。该方法相较最先进机器学习方法实现了2倍至10倍的运行时间改进以及更优的结果质量（QoR）。
引用
@article{arxiv.2204.02368,
title = {Too Big to Fail? Active Few-Shot Learning Guided Logic Synthesis},
author = {Animesh Basak Chowdhury and Benjamin Tan and Ryan Carey and Tushit Jain and Ramesh Karri and Siddharth Garg},
journal= {arXiv preprint arXiv:2204.02368},
year = {2022}
}
备注
10 pages, 6 Tables, 7 figures