PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.11348v1cs.LG

SwiftCTS: 퓨샷 보정을 통한 빠른 설계 간 예측 및 클럭 트리 지표의 파레토 최적화

SwiftCTS: Fast Cross-Design Prediction and Pareto Optimization of Clock Tree Metrics via Few-Shot Calibration

클럭 트리 합성(CTS)은 물리적 설계 플로우에서 계산 비용이 많이 드는 단계로, 최적의 전력, 배선 길이, 타이밍 스큐를 위해 방대한 구성 공간을 탐색하기 위해 반복적인 EDA 도구 실행이 필요합니다. 기존 머신러닝 접근 방식은 미지의 매크로 아키텍처에 적응하기 위해 계산 비용이 많이 드는 재학습 또는 미세조정 주기가 필요하며, 전수 조합 탐색에서 요구되는 수백만 번의 평가와 구조적으로 부적합합니다. 우리는 두 가지 제한 사항을 동시에 해결하는 물리 정보 기반 대리 프레임워크인 SwiftCTS를 제시합니다. 가볍고 물리적으로 기반한 통계적 특징을 그래디언트 부스팅 앙상블과 결합하여, SwiftCTS는 CPU에서 5초 미만으로 학습되며 GPU 지원 없이 1밀리초 미만의 추론을 제공합니다. 재학습이나 미세조정 없이 분포 외(OOD) 설계를 처리하기 위해, 우리는 예측을 단 하나 또는 두 개의 물리적 참조 실행에 기준으로 삼는 K-샷 곱셈 보정 메커니즘을 도입하여, 미지의 매크로에서 전력 예측 오류를 24.5%에서 3.3%로, 배선 길이 오류를 56.6%에서 1% 미만으로 줄입니다. 이 엔진을 진화적 옵티마이저와 통합하여, SwiftCTS는 10초 미만 내에 100,000개의 CTS 구성을 평가하며, OpenROAD 플로우 내에서 물리적으로 검증된 파레토 최적 프론티어를 생성합니다. 폐루프 검증은 OOD 벤치마크에서 전력 및 배선 길이에 대한 0.5% 미만의 예측 오류와 5피코초 이내의 타이밍 스큐 예측을 확인하며, 모든 목표 지표에서 기본 도구 휴리스틱을 일관되게 능가합니다. 코드는 https://github.com/BarsatKhadka/SwiftCTS에서 공개적으로 제공됩니다.