CGNet：一种用于VLSI物理设计中拥塞预测的轻量级多模态框架

《ACM Transactions on Design Automation of Electronic Systems》：CGNet: A Lightweight Multimodal Framework for Congestion Prediction in VLSI Physical Design

　　

摘要AI总结

要查看此由AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

及时获取准确的拥堵信息，有助于优化现代超大规模集成电路的物理设计流程。现有的单模模型存在特征利用不足和预测精度不高的问题，而当前的多模方法则通常具有参数量大、推理速度慢以及计算复杂度高等缺点，难以应用于对时间要求较高的任务中。为解决这些难题，我们提出了CGNet，这是一种新型的轻量级多模模型，能够同时处理特征图和异构图。为在不显著增加模型复杂度的情况下实现高效的特征融合，我们采用了交叉缝合模块。此外，我们还提出了一种异构图压缩方法，可大幅简化图结构，从而降低处理异构图的计算复杂度，并提高模型的预测速度。同时，我们设计了一种复合损失函数，能够同时捕捉全局结构和局部细节。为了进行更全面的评估，我们引入了交并比这一指标，并将预测得到的拥堵图纳入下游的设计规则检查违规预测任务中。在CircuitNet-N28数据集上的实验结果表明，无论是在预测精度还是预测速度方面，CGNet的表现都优于现有最佳模型。

AI总结

AI生成的总结（实验性内容）

该总结是通过自动化工具生成的，并非由文章作者撰写或审核。其目的是帮助读者发现相关内容、评估文章的适用性，以及让相关领域的读者更好地理解这篇文章。它旨在补充作者提供的摘要，后者仍是文章的核心总结部分。完整文章才是最具权威性的版本。点击此处了解更多。

点击此处，可以对该总结的准确性、清晰度和实用性发表意见。您的反馈将有助于我们对总结进行改进，并生成更好的后续版本。

要查看此由AI生成的通俗语言总结，您需要拥有高级访问权限。