研究人员开发了FusionCell，这是一种新颖的AI模型，旨在预测数字电路中标准单元的性能。该模型独特地整合了布局几何和网表拓扑，克服了以往常常忽略物理布局的预测器的局限性。FusionCell采用一种双模态方法，使用DeiT编码器处理布局，使用图Transformer处理网表，并通过拓扑引导机制进行融合。在7nm数据集上的实验表明，FusionCell显著降低了回归误差，平均MAPE达到0.92％，并且与传统电路仿真相比，将特征提取速度提高了几个数量级。 AI
影响 将芯片设计速度提高了几个数量级，从而能够更快地迭代和优化数字电路。
排序理由 该集群包含一篇详细介绍针对特定技术问题的AI模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
