研究人员开发了一种新颖的分层强化学习框架,用于解决芯片设计中的复杂组合优化问题,特别是联合路由和交换机放置。该方法通过构建时确保路由有效性来逐步构建解决方案,并利用由神经网络指导的Gumbel蒙特卡洛树搜索来提高解决方案质量,优于传统优化技术。在各种布局图上进行预训练为适应新设计实例提供了稳健的初始化。 AI
影响 这项研究通过自动化复杂的路由和放置任务,有望实现更高效、更优化的芯片设计。
排序理由 该集群包含一篇详细介绍芯片设计优化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Gumbel Monte Carlo Tree Search
- Hugging Face
- IArxiv Recommender
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →