Otimização de Etapas do Fluxo de Síntese de Circuitos Integrados Explorando Técnicas de Aprendizado de Máquina

Abstract

Com o avanço da tecnologia de fabricação de circuitos integrados, cada vez mais aspectos devem ser considerados durante a caracterização elétrica de circuitos a fim de solucionar desafios como os de efeito de variabilidade do processo. Isso aumenta o tempo de caracterização devido às tradicionais técnicas baseadas em simulações elétricas exaustivas. A adoção de técnicas de aprendizado de máquina já auxilia o projeto digital em muitos níveis de abstração. Assim, o objetivo principal desta pesquisa é avaliar algoritmos de regressão de aprendizado de máquina como alternativa à simulação elétrica exaustiva no projeto de caracterização de células. Nesta etapa, foram considerados os algoritmos de regressão linear múltipla, regressão de vetores de suporte, árvores de decisão e floresta aleatória. Apresentam-se os resultados de uma porta NAND2 e de uma porta NOT usando a tecnologia 7 nm FINFET. Especificamente, prever-se-á separadamente os valores da energia e os tempos de propagação desses circuitos. Uma análise comparativa, juntamente com o tempo de inferência, é feita para cada variável dependente entre os modelos, a fim de entender qual é o melhor modelo de regressão para a tarefa. O algoritmo com a função de menor custo e menor tempo de inferência provou ser as Árvores de Decisão para todas as variáveis preditas.