A Recursive Partitioning Approach to Improving Hypergraph Partitioning
Notice bibliographique
Résumé
Balanced hypergraph partitioning (BHP) is a fundamental combinatorial optimization problem in application specific integrated circuit (ASIC) and field-programmable gate array (FPGA) design flows. Multi-level partitioners (MLP) comprise a set of heuristics and are a popular way to solve BHP problems. The BHP problem becomes more complex when the number of partitions (K) is large. Recursive bi-partitioning is a traditional way to solve the problem for larger values of K. However, recursive bi-partitioning is usable for only a smaller number of partitions. This work proposes to generalize recursive bi-partitioning to recursive K-way partitioning to make recursive partitioning usable for all non-prime values of K. The practical usefulness of the proposed recursive method was evaluated by enhancing a recent MLP, TritonPart, and assessed the performance using Titan23 benchmarks. The proposed recursive method helped TritonPart to successfully solve problems with larger K values than it could solve without using the proposed method. Secondly, it also improved the runtime of TritonPart. A comparison with MT-KaHyPar showed it can find solutions with 80% lower cutsize. In short, the proposed recursive method is a useful way to enhance the capability of existing MLPs in terms of their runtime and ability to solve problems of larger K values.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».