MétaCan
Menu
Retour à la cohorte
Enregistrement W2011740649 · doi:10.1109/ccece.2012.6335054

Clock tree structure with reduced wire length using the matched-delay skew compensation technique

2012· article· en· W2011740649 sur OpenAlexaff
S. E. Esmaeili, Ali Mohammadi Farhangi, A.J. Al-Khalili, Glenn Cowan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueLow-power high-performance VLSI design
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSkewFLOPSClock skewFlip-flopComputer scienceAlgorithmLatency (audio)Benchmark (surveying)Timing failureParallel computingJitterClock signalTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper we propose a new approach to balance skew in the clock network by manipulating the operating speed of the flip-flop. Six versions of the master-slave flip-flop with different data to output (TDQ) delays are used in a matched-delay skew compensation technique. The TDQdelay in each version of the flip-flop was increased by increasing the channel length of transistors in intermediate stages of the flip-flop. Distributing flip-flops according to their delay requirements reduces the effect of clock skew on the outputs of sequentially adjacent flip-flops. Furthermore, it increases skew bounds required by algorithms to balance the skew in the clock distribution network leading to reduced design complexity. Constructing five benchmark clock trees with a Modified Deferred Merge Embedding (MDME) algorithm with four, five, and six versions of the flip-flop shows that the matched-delay skew compensation technique can compensate for a skew up to 15% of the clock period. In addition, matched-delay skew compensation achieves a reduction in total wire length and wire elongation up to 16.6% and 56.8%, respectively, as compared to the traditional DME algorithm with only one flip-flop.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,216
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLow-power high-performance VLSI designTravaux en français237 207