מושגי ליבה
電力配送ネットワークの構造と細粒度な電池-電力配送ネットワークの関係を適切に表現し、物理的性質に沿ってフィーチャー集約を行うことで、動的IR降下予測の精度と解釈性を大幅に向上させることができる。
תקציר
本論文では、動的IR降下予測のための新しいアプローチを提案している。まず、電力配送ネットワーク(PDN)の構造と細粒度な電池-PDN関係を適切に表現するためのグラフ構造「PDNGraph」を提案する。次に、PDNGraphを活用し、GNNとCNNのハイブリッドネットワーク「PDNNet」を提案する。PDNNetは、PDN属性と時間変動の両方を効果的に捉えることができる。
具体的には以下の通り:
- PDNGraphは、PDN構造と電池-PDN物理関係を表現するグラフ構造を提案する。ノードには電池の電力関連特徴量を割り当て、エッジは高電圧レールから低配線層への電流の流れ方向を表現する。
- PDNNetは、GNNブランチとCNNブランチからなる2つの並列ブランチを持つ。GNNブランチはPDNGraphを活用し、PDN特性を捉える。CNN分岐は時間軸上の動的IR降下変動を捉える。
- 実験の結果、PDNNetは従来のCNN系手法に比べて最大39.3%の予測誤差の改善と545倍の高速化を達成した。これは、PDN構造と動的電流パターンの両方を適切に表現できたことによる。
סטטיסטיקה
電力配送ネットワークには階層的な構造があり、上位層のハイメタル層(M8、M7など)と下位層のローメタル層(M1など)で構成される。
同じ電流負荷パターンでも、PDNの疎密によってIR降下分布が大きく異なる。
ציטוטים
"IR drop on the power delivery network (PDN) is closely related to PDN's configuration and cell current consumption."
"As the integrated circuit (IC) design is growing larger, dynamic IR drop simulation becomes computationally unaffordable and machine learning based IR drop prediction has been explored as a promising solution."