本文总结了当前硬件设计中人工智能和机器学习技术的应用现状以及挑战,针对电路设计存在的安全问题,提出了安全意识 CAD/EDA 的研究方向和需求。
Apr, 2022
本文系统研究了大型语言模型在电子设计自动化领域的应用,分类研究了助理聊天机器人、硬件描述语言和脚本生成,以及硬件描述语言验证与分析三个方面,并强调了未来研究方向,重点关注逻辑综合、物理设计、多模态特征提取和电路对齐等领域。
Dec, 2023
机器学习在电子设计自动化(EDA)和大规模集成电路(VLSI)设计中的应用引起了大量研究关注,本研究介绍了 EDALearn,一个综合的开源基准套件,特别用于 EDA 中的机器学习任务,以促进不同技术节点之间的机器学习可迁移性研究,并提供详细的数据分析,以帮助用户充分理解数据属性和分布。
该研究综述了针对边缘计算的深度学习模型设计自动化技术,包括自动神经架构搜索、自动模型压缩和联合自动设计和压缩,并提出了未来研究的方向。
Aug, 2022
本文提出一种基于深度学习的 Verilog 自动补全模型的训练框架,该框架通过将通用编程语言预训练模型与类似目标下游任务的数据集集成并进行微调来验证,实验结果表明,该框架相比于从头开始训练的模型,具有更好的 BLEU、ROUGE-L 和 chrF 评分。
Apr, 2023
通过使用大型语言模型,本研究考察了如何利用人工智能的最新进展,生成适合初学者理解的编译时综合错误消息的解释,以在数字设计中培养新工程师。
Apr, 2024
该研究首次将 Transformer 应用于 SKILL 代码自动完成以提高硬件设计工程师的生产力,提出了一种数据高效的生成 SKILL 代码的新方法,并通过实验证实。
ChatEDA 是一个由大型语言模型 AutoMage 支持的自主代理系统,通过有效管理任务规划、脚本生成和任务执行,实现了从 RTL 到 GDSII 的设计流程简化,并且在处理多样化需求方面表现出卓越的性能。
Aug, 2023
本文讨论了如何在各种硬件设计级别上解决机器学习中遇到的挑战,主要包括机器学习、传感器数据、嵌入式处理、能源消耗和硬件设计。
Dec, 2016
数据驱动技术与物理近似相结合的例子展示了机器学习在电子结构计算中的应用,从而提高了模型的可迁移性和可解释性,节省了计算成本,并为发展机器学习增强型电子结构方法提供了蓝图。
Nov, 2023