Core Concepts
ML-based congestion predictors are vulnerable to imperceptible perturbations, impacting their predictions.
Abstract
機械学習を用いた混雑予測モデルは微小な摂動に脆弱であり、その予測に影響を与える可能性がある。この研究では、レイアウトの微小な変更がモデルの予測にどのような影響を及ぼすかを詳細に調査し、提案された手法でモデルの頑健性と汎化性能を向上させることが示唆されている。
Stats
1%〜5%のセル位置の微小な変更により、混雑予測が90%まで低下することが示された。
ネットリストやセル配置に関する新しい不可視摂動概念が導入されている。
PGDアルゴリズムを使用して有効な摂動生成方法が提案されている。
Quotes
"Congestion predictors erroneously predict large changes to routing congestion with respect to changes to the layout that do not change the global routing."
"Neural network classifiers which can correctly classify 'clean' images may be vulnerable to targeted attacks."
"Our work indicates that CAD engineers should be cautious when integrating neural network-based mechanisms in EDA flows."