回路設計と技術ノードの違いを考慮した、トランジスタサイジングのための知識アラインメントおよび転移学習

本研究は、回路設計と技術ノードの違いを考慮した、効率的なトランジスタサイジング手法を提案する。具体的には、自動カーネル構築、異なる回路と技術ノード間の転移学習、選択的な転移学習スキームを統合したKATO手法を開発した。これにより、シミュレーション回数を2倍削減し、設計性能を1.2倍向上させることができた。