.png){kind=icon}
返回
GIRD: A Green IR-Drop Estimation Method
.png){kind=icon}
PRE
AI
DOI：10.1109/TCAD.2025.3534118.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本工作提出了一种基于绿色学习的高效高性能静态IR压降估计方法，称为Green IR Drop（GIRD）。GIRD通过三个步骤处理IC设计输入。首先，将输入网表数据转换为多通道图，并使用PixelHop确定其联合空间-光谱表示。接着，通过相关特征测试（RFT）选择判别特征。最后，将选定的特征输入到极端梯度提升树回归器中。PixelHop和RFT均为绿色学习工具。由于GIRD模型尺寸更小、计算复杂度更低，因此具有低碳排放特性。此外，其性能在小训练数据集下表现出良好的可扩展性。通过合成电路和真实电路的实验结果，验证了GIRD的优越性能。GIRD的模型尺寸和复杂度（以浮点运算次数FLOPs衡量）分别为深度学习方法的10^{-3}和10^{-2}。
Keyword:
Electronic design automation (EDA)
green learning
IR-drop estimation
machine learning
期刊
I
IF:
2.9
论文数:
606
被引数:
9.6K
机构
引用论文
Design of supervision-scalable learning systems: Methodology and performance benchmarking监督可扩展学习系统的设计：方法论与性能基准测试
OAAI
OAAI分享收藏Classification via Subspace Learning Machine (SLM): Methodology and Performance Evaluation.png)
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏A-PixelHop: A Green, Robust and Explainable Fake-Image DetectorA-PixelHop：一种绿色、鲁棒且可解释的假图像检测器ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningOAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容