MétaCan
Menu
Retour à la cohorte
Enregistrement W2514038949 · doi:10.1109/iscas.2016.7527478

Efficient ILP-based variant-grid analog router

2016· article· en· W2514038949 sur OpenAlexaff
Mohammad Torabi, Lihong Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVLSI and FPGA Design Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRouterComputer scienceRouting (electronic design automation)Static routingPolicy-based routingInteger programmingLinear programmingLink-state routing protocolEqual-cost multi-path routingMultipath routingComputer networkDistributed computingRouting protocolAlgorithm

Résumé

récupéré en direct d'OpenAlex

As an indispensable portion in the modern system-on-chip designs, analog circuits are becoming more intractable and error prone in the time-consuming design process due to the nature of high parasitic sensitivity along with the shrinking design window in the advanced technology. Compared to the digital counterpart, analog circuits need to be designed more carefully taking into account special analog constraints besides the typical geometric requirements. Recent state-of-the-art analog routing research favors linear programming (LP) to satisfy various constraints, but leaving the routing efficiency as an open question. In this paper, we propose an integer linear programming (ILP) based algorithm to tackle the analog routing problem with a special focus on improving the routing efficiency. Hierarchical routing is developed to help the router to divide the entire routing area into multiple small regions, in each of which the ILP can derive a routing solution with speedy efficiency. Different from typical hierarchical methods, our proposed router deploys variant-grid resolution in different regions, that is, with a lower resolution for less crowded routing regions and a higher resolution for more congested regions. In this way, our proposed ILP-based router is much faster than any typical ones since it spends little time for the areas that do not need to be routed precisely. The experimental results show the high efficiency of our proposed method for both small circuits and especially big circuits without promising the routing quality.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,654

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,184
Écart entre enseignants0,178 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVLSI and FPGA Design TechniquesTravaux en français237 207