Applying artificial intelligence for FPGA physical design automation tools

Yerleştirme aşamasında FPGA tasarımlarında yönlendirme tıkanıklığını tahmin etmek için yeni bir çerçeve sağlıyoruz. Giriş net listesini düzenlemek için yük dengeli bir iki bölümleme stratejisi kullanan yaklaşımımız, yönlendirme bilgisi tahmininin doğruluğunu artırır. Çerçeve, yerleştirme şemasını ve tasarım bağlantısını yansıtan özenle seçilmiş özellikleri içerir. Giriş ağ listesine yönelik bu kümeleme yaklaşımı yalnızca mevcut metodolojileri geliştirmekle kalmaz, aynı zamanda modelin yönlendirme bilgilerini doğru bir şekilde tahmin etme yeteneğini de önemli ölçüde geliştirir. Ek olarak bu strateji, oldukça sıkışık tasarımların yönlendirilebilirliğini artırır ve yönlendirici çalışma süresini önemli ölçüde azaltır. Yöntemimiz, önemli ölçüde daha hızlı bir çalışma zamanında çalışırken, ilk yönlendirmeyle karşılaştırılabilir yönlendirilebilirlik tahmin doğruluğu elde eder ve genel tasarım yönlendirilebilirlik tahminlerinde hız ve hassasiyetin ikili zorluğunu ele alır. Giriş görüntüsünün farklı kanallarına kodlanmış iyi tasarlanmış özelliklerin girişini sağlayan önerilen çerçeve, mevcut yöntemlere göre üstün performans göstermektedir. Bu başarı, giriş ağ listesinin bağlantı ve sınırlayıcı kutuya dayalı olarak etkili bir şekilde bölümlenmesine atfedilir. Erken aşamadaki FPGA yönlendirme mimarisi araştırmasında modelimiz, hızlı ve doğru tasarım yinelemelerine olanak sağlayarak değerli olduğunu kanıtlıyor. Ulaşılabilir maksimum frekans (Fmax), minimum kanal genişliği (Wmin) ve en kötü gevşek gecikme gibi önemli yönlendirme ölçümlerini doğru şekilde tahmin ederek tam VPR CAD akışı sonuçlarıyla güçlü bir korelasyon gösterir, ancak daha hızlıdır.