• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2020 年度 研究成果報告書

深層学習を用いた配置配線手法の研究

研究課題

  • PDF
研究課題/領域番号 16K00081
研究種目

基盤研究(C)

配分区分基金
応募区分一般
研究分野 計算機システム
研究機関広島市立大学

研究代表者

弘中 哲夫  広島市立大学, 情報科学研究科, 教授 (10253486)

研究期間 (年度) 2016-04-01 – 2021-03-31
キーワード配置配線 / ニューラルネットワーク / 再構成可能デバイス
研究成果の概要

SA法による配置配線においてニューラルネットワークをコスト関数として適用する方法を確立した.適用にあたって単純に配置配線情報をニューラルネットワークに入力するだけでは,入力ノード数が非現実的な数になる.本研究では,配置と結線情報を配置位置と配線可能経路をマップ化することで入力データの意味を大きく失わずに大幅に入力ノード数を削減する方法を確立した.さらに同じネットリストから生成した2つの配置をニューラルネットに入力することでより良い配置を判定する手法を確立した.また,作成したニューラルネットワークをコスト関数とするSA法を従来の配置配線結果に適用して,さらに配置を改善することが可能となった.

自由記述の分野

コンピュータアーキテクチャ

研究成果の学術的意義や社会的意義

SA法のコスト関数は配線配置の可否を判定する数式モデルから作成している.そのため,性能向上を目指して再構成デバイスの構成を複雑にすると簡易な数式モデルで配線配置の可否を精度よく判定することが難しくなる.このコスト関数の精度が低下するとSA法を用いて生成される配置配線の品質が低下する.本研究では,深層学習を用いて訓練データである過去の配置配線結果から自動的にSA法のコスト関数を生成することの実現性を示した.これにより,精度の良い簡易な数式モデルが作成困難な場合においても,過去の配置配線結果を用いてより良いSA法のコスト関数を自動生成できる可能性を示した.

URL: 

公開日: 2022-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi