MACHINE LEARNING BASADO EN LA RED PARA LA PREDECIBILIDAD DEL TIEMPO Y DIAFONÍA DE CIRCUITOS DIGITALES



MACHINE LEARNING BASADO EN LA RED PARA LA PREDECIBILIDAD DEL TIEMPO Y DIAFONÍA DE CIRCUITOS DIGITALES
Juan Kenyhy Hancco Quispe
Jordan Piero Borda Colque
Hugo Ticona Salluca
Bernabé Canqui Flores
Alfredo Tumi Figueroa
Charles Ignacio Mendoza Mollocondo
Leonel Coyla Idme
Renan Palli Mamani

31/05/2023
1060-1079
76
El diseño de circuitos digitales requiere una temporización precisa que debe tenerse en cuenta desde las primeras etapas de diseño, aunque la predicción precisa del tiempo es muy desafiante debido a la ausencia de información determinada por las etapas posteriores en el flujo de diseño. Este capítulo discute los desafíos en la estimación precisa del tiempo y la diafonía en el diseño de circuitos digitales, así como las soluciones convencionales y las técnicas de aprendizaje automático utilizadas para mejorar la previsibilidad de estos efectos. Se utilizan características globales extraídas de informes de temporización previos al diseño, información de estructura eléctrica y lógica de las celdas y redes relevantes, y la predicción de la red anterior y posterior, seguidamente se aplican motores de aprendizaje automático para entregar resultados de predicción de tiempo y crosstalk. Se presentan cuatro soluciones representativas basadas en redes para la predicción de tiempo y crosstalk, que cubren varios pasos de diseño desde la síntesis de lógica hasta la finalización, los resultados muestran que los enfoques de ML basados en redes tienen un gran potencial para proporcionar predicciones rápidas y precisas. Se concluye que con los enfoques de ML basados en redes pueden proporcionar una solución eficiente y precisa para la predicción de tiempo y crosstalk en el diseño de circuitos digitales. Estos enfoques pueden ser aplicados en diferentes etapas del diseño y pueden mejorar la evaluación y optimización del rendimiento de tiempo y potencia.
Ler mais...Aprendizaje automatico, circuitos digitales, diafonía, temporización, predicción del tiempo, optimización, redes neuronales, flujo de diseño VLSI, GCN.
Esta obra está licenciada com uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional .
O conteúdo dos capítulos e seus dados e sua forma, correção e confiabilidade, são de responsabilidade exclusiva do(s) autor(es). É permitido o download e compartilhamento desde que pela origem e no formato Acesso Livre (Open Access), com os créditos e citação atribuídos ao(s) respectivo(s) autor(es). Não é permitido: alteração de nenhuma forma, catalogação em plataformas de acesso restrito e utilização para fins comerciais. O(s) autor(es) mantêm os direitos autorais do texto.