PulseAugur
中
实时 09:04:04
English(EN) CTS-Bench: Benchmarking Graph Coarsening Trade-offs for GNNs in Clock Tree Synthesis

新基准评估GNN图粗化在芯片设计中的应用

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了CTS-Bench，一个旨在评估图粗化技术与图神经网络（GNN）在电子设计自动化（EDA）的时钟树综合（CTS）任务中的准确性之间权衡的新基准套件。该基准包含4,860个已收敛的物理设计解决方案，能够系统地分析图粗化如何影响预测准确性和计算效率。研究发现，尽管粗化可以显著减少内存使用和训练时间，但它常常会移除关键的结构信息，导致在时钟偏斜预测等CTS特定任务上的性能不佳。 AI

影响 为评估GNN在芯片设计任务中的性能提供了一种标准化方法，可能指导未来在EDA领域开发更高效的AI模型。

排序理由 这是一篇研究论文，介绍了一个新的基准套件，用于评估AI在特定领域内的特定技术。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Barsat Khadka, Kawsher Roxy, Md Rubel Ahmed ·

    CTS-Bench：图神经网络时钟树综合中的图粗化权衡基准测试

    arXiv:2602.19330v2 Announce Type: replace Abstract: Graph Neural Networks (GNNs) are increasingly explored for physical design analysis in Electronic Design Automation, particularly for modeling Clock Tree Synthesis behavior such as clock skew and buffering complexity. However, p…

相关实体

相关话题