Professional Documents
Culture Documents
머신 러닝을 기반한 클럭 트리 토폴로지 방법론 분석
머신 러닝을 기반한 클럭 트리 토폴로지 방법론 분석
1508
2018년 한국소프트웨어종합학술대회 논문집
그림 1 비지도 학습
그림 2 클럭 트리 클러스터링
비지도 학습은 비지도 한다는 말처럼 사람의 개입이
없이 컴퓨터가 알아서 어떠한 결과를 도출해 내는 것을
뜻한다. 비지도 학습은 그림 1에서 보는 것과 같이
지도 학습과 달리 정답 (Label)이 존재하지 않는다.
그래서 비지도 학습 알고리즘을 통해 사람들이
인지하지 못한 분류를 특정을 기준을 따라 분류할 수 그림 3 머신 러닝 기반 러닝 모델
있고 문제를 해결 할 수 있다. 비지도 학습의 대표적인
알고리즘은 클러스터링, 차원 감소 기법 등이 있다.
클럭 트리 합성은 크게 클럭 트리 토폴로지 생성 생성할 수 있게 된다. 향후 계획으로는 머신 러닝
(클럭 트리 클러스터링)과 버퍼 및 와이어 라우팅 알고리즘을 클럭 트리 합성 과정 전체에 적용할
과정으로 나눌 수 있다. 그래서 클럭 트리 합성 과정 중 계획이고, 온도, 전압, 다양한 공정변이를 고려한 클럭
그림 2에서 보는 것과 같이 클럭 트리 토폴로지 생성 트리 합성을 위해 머신 러닝 알고리즘을 개발할
시 머신 러닝 기법인 클러스터링을 방법을 사용한다면 계획이다.
매우 효율적이다. 클럭 트리 토폴로지를 효율적으로
생성한다면, 클럭 트리의 성능이 매우 향상 될 수 있다. 3. 참고 문헌
그래서 클럭 트리 토폴로지 생성 단계에서 학습을 통해 [1] Li-C. Wang and Malgorzata Marek-Sadowska. “Machine
클럭 싱크들의 쌍을 짓는다. 본 논문에서는 가장 최소 Learning in Simulation-Based Analysis.” in Proceedings of the
길이를 가진 클럭 트리를 생성하기 위하여 가장 길이를 Symposium on International Symposium on Physical Design
최소로 하는 쌍을 머신 러닝 모델을 통해 싱크들의 ACM, New York, NY, USA, 2015, pp. 57-64.
쌍을 짓는다. 그리고 와이어의 길이를 계산하기 위해 [2] A. B. Kahng, S. Kang, H. Lee, S. Nath and J. Wadhwani,
엘모어 지연시간 모델(Elmore delay model)을 기반으로 "Learning-based approximation of interconnect delay and slew
계산하게 된다. 와이어의 지연 시간을 구할 때, 러닝 in signoff timing tools," in International Workshop on System
모델 학습을 통해 빠르고 정확하게 와이어의 Level Interconnect Prediction, Austin, TX, 2013, pp. 1-8.
지연시간을 얻을 수 있다. 또한, 다양한 조건에서 길이, [3] S. S. Han, A. B. Kahng, S. Nath and A. S. Vydyanathan, "A
온도, 두께 다양한 와이어 변이를 고려한 와이어의 deep learning methodology to proliferate golden signoff
지연시간을 러닝 모델 학습을 통해 얻을 수 있다. 머신 timing," in Design, Automation & Test in Europe Conference &
러닝 기반으로 클럭 트리 토폴로지를 생성할 때 시간적 Exhibition (DATE), Dresden, 2014, pp. 1-6.
비용 감소라는 장점을 얻을 수 있다. [4] Bei Yu, David Z. Pan, Tetsuaki Matsunawa and Xuan Zeng,
"Machine learning and pattern matching in physical design," in
the 20th Asia and South Pacific Design Automation Conference,
3. 결 론 및 향후 계획 Chiba, Japan, 2015, pp. 286-293.
1509