MétaCan
Menu
Retour à la cohorte
Enregistrement W4400237890 · doi:10.1109/iscas58744.2024.10558430

A Rule-Based High Efficient Obstacle-Avoiding RSMT Algorithm for VLSI Routing

2024· article· en· W4400237890 sur OpenAlexaff
Junhao Guo, Hongxin Kong, Lang Feng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueInterconnection Networks and Systems
Établissements canadiensAdvanced Micro Devices (Canada)
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésVery-large-scale integrationObstacleComputer scienceRouting (electronic design automation)Parallel computingRouting algorithmAlgorithm designAlgorithmEmbedded systemRouting protocol

Résumé

récupéré en direct d'OpenAlex

For VLSI physical design, the routing problem has attracted attention in recent years due to the emerging manufacturing technologies. Tree generation is one key routing step directly affecting the routing quality, which is to find the rectilinear steiner minimal tree (RSMT) of each net. Ordinary RSMT algorithms such as FLUTE fail to generate valid trees avoiding obstacles. In contrast, current obstacle-avoiding RSMT (OARSMT) algorithms can incur a large runtime overhead compared with FLUTE. To reduce the runtime cost while maintaining the quality, a novel OARSMT algorithm is proposed in this work. By proposing multiple rule-based routing schemes, which are fast while maintaining the awareness of global conditions from mature RSMT solutions, OARSMT solutions with reasonable qualities can be quickly obtained, even for large and complicated cases. Compared with the state-of-the-art works, traded with limited wirelength overhead, the proposed algorithm has ∼10x-2700x and ∼150x-5800x runtime speedup under randomized testcases and standard benchmarks, respectively.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,692

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,230 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInterconnection Networks and SystemsTravaux en français237 207