一种基于CNN的技术，用于辅助模拟电路的布局到生成器转换

《ACM Transactions on Design Automation of Electronic Systems》：A CNN-Based Technique to Assist Layout-to-Generator Conversion for Analog Circuits

　　

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

我们提出了一种技术，通过高效重用现有的子单元生成器，帮助将模拟电路的参考布局转换为流程化布局生成器。所提出的卷积神经网络模型能够自动识别出库中现有生成器脚本可以生成的子单元，并建议在生成器软件中合适的位置使用这些子单元。在实验中，该CNN模型分析了某高速有线接收器的子单元，共计4,885个子单元实例，其中包括145种不同的子单元设计。该模型将这些子单元分为51类可生成子单元和1类不可生成子单元——后者表示没有现有的生成器能够创建该类子单元。在该模型对145种不同子单元设计的分析中，准确率达到了99.3%。此外，该模型还将分析时间从手动操作的88分钟大幅缩短至18秒。同时，该CNN模型还能正确分类那些与训练数据集差异较大的陌生子单元。

AI总结

AI生成的总结（实验性内容）

此总结是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章相关性，以及让相关领域的读者更好地理解本文内容。它是对作者提供的摘要的补充，而作者提供的摘要仍是文章的核心总结。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、清晰度及实用性发表意见。您的反馈将有助于改进未来的总结版本。

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。