用于拥塞预测的变化标签相关性增强方法
机器学习
2023-08-02 v1 硬件体系结构
摘要
大规模设计的物理设计过程是一项耗时的任务，通常需要数小时至数天才能完成，其中布线是最关键且最复杂的步骤。随着集成电路（IC）复杂度的提升，对布线质量准确预测的需求日益增长。准确的拥塞预测有助于尽早发现设计缺陷，从而加速电路设计并节约资源。尽管当前拥塞预测方法已取得进展，但一个被严重忽视的重要方面是拥塞预测中不同网格之间的空间标签相关性。空间标签相关性是电路设计的基本特性，其中某一网格的拥塞状态并非孤立，而是固有地受其相邻网格状态的影响。为充分利用相邻网格间固有的空间标签相关性，我们提出了一种新方法，即{\ours}（VAriational Label-Correlation Enhancement for Congestion Prediction，用于拥塞预测的变化标签相关性增强），该方法考虑拥塞图中的局部标签相关性，将每个网格的估计拥塞值与其受周围网格影响的局部标签相关性权重相关联。{\ours}利用变分推断技术来估计该权重，从而通过引入空间依赖关系提升回归模型的性能。实验结果在公开可用的 \texttt{ISPD2011} 和 \texttt{DAC2012} 基准以及 superblue 电路线上验证了 {\ours} 的优越有效性。
引用
@article{arxiv.2308.00529,
title = {Variational Label-Correlation Enhancement for Congestion Prediction},
author = {Biao Liu and Congyu Qiao and Ning Xu and Xin Geng and Ziran Zhu and Jun Yang},
journal= {arXiv preprint arXiv:2308.00529},
year = {2023}
}