Core Concepts
대규모 회로의 효율적이고 효과적인 최적화를 위해 회로 분할과 강화 학습 기반 논리 최적화를 결합한 새로운 방법론을 제안한다.
Abstract
대규모 회로의 복잡성과 규모 증가로 인해 기존 논리 합성 방법의 한계가 드러남
회로를 작은 부분으로 분할하고 각 부분을 독립적으로 최적화하는 방법을 제안
분할된 부분 회로에 대해 강화 학습 기반 논리 최적화를 병렬로 수행하여 효율성과 확장성을 높임
EPFL, OPDB, VTR, Koios 벤치마크를 통해 제안 방법의 성능을 검증하였으며, 기존 기법 대비 약 5% 향상된 ADP 결과를 보임
Stats
제안 방법은 기존 기법 대비 최대 14.11%의 ADP 개선 효과를 보임
전체 벤치마크에 대해 약 5.17%의 ADP 개선 효과를 달성
Quotes
"대규모 회로의 복잡성과 규모 증가로 인해 기존 논리 합성 방법의 한계가 드러남"
"회로를 작은 부분으로 분할하고 각 부분을 독립적으로 최적화하는 방법을 제안"
"분할된 부분 회로에 대해 강화 학습 기반 논리 최적화를 병렬로 수행하여 효율성과 확장성을 높임"