Efficient Layout Hotspot Detection via Binarized Residual Neural Network Ensemble
Efficient Layout Hotspot Detection via Binarized Residual Neural Network Ensemble
复制标题
通过二值化残差神经网络集成进行有效布局热点检测
DOI：
10.1109/tcad.2020.3015918
复制
发表时间：
2020-08
期刊：
影响因子：
--
通讯作者：
Xuan Zeng
中科院分区：
文献类型：
--
作者：
Yiyang Jiang;Fan Yang;Bei Yu;Dian Zhou;Xuan Zeng
布局热点检测在物理验证流程中具有十分重要的意义。深度神经网络模型已经应用于热点检测，并取得了很大的成功。布局可以看作是二进制图像。因此，二值化神经网络（BNN）可以适用于热点检测问题。在本文中，我们提出了一种新的基于bnn的深度学习架构，以提高神经网络在热点检测中的速度。设计了一种新的二值化残差神经网络用于热点检测。在ICCAD 2012和2019基准测试上的实验结果表明，我们的架构在检测精度方面优于以前的热点检测器，并且比最佳的基于深度学习的解决方案加速了8倍。由于基于bnn的模型具有很高的计算效率，因此采用集成学习方法可以在热点检测器的效率和性能之间取得很好的平衡。实验结果表明，在可接受的速度损失下，集成模型比原始模型具有更好的热点检测性能。
Layout hotspot detection is of great importance in the physical verification flow. Deep neural network models have been applied to hotspot detection and achieved great successes. The layouts can be viewed as binary images. The binarized neural network (BNN) can thus be suitable for the hotspot detection problem. In this article, we propose a new deep learning architecture based on BNNs to speed up the neural networks in hotspot detection. A new binarized residual neural network is carefully designed for hotspot detection. Experimental results on ICCAD 2012 and 2019 benchmarks show that our architecture outperforms previous hotspot detectors in detecting accuracy and has an $8\times $ speedup over the best deep learning-based solution. Since the BNN-based model is quite computationally efficient, a good tradeoff can be achieved between the efficiency and performance of the hotspot detector by applying ensemble learning approaches. Experimental results show that the ensemble models achieve better hotspot detection performance than the original with acceptable speed loss.
登录
查看更多内容
DOI：
10.1109/iccad.2013.6691131
发表时间：
2013-11
期刊：
2013 IEEE/ACM International Conference on Computer-Aided Design (ICCAD)
影响因子：
--
作者：
Shayak Banerjee;Zhuo Li;S. Nassif
通讯作者：
Shayak Banerjee;Zhuo Li;S. Nassif
影响因子：
7.5
作者：
L. Breiman
通讯作者：
L. Breiman
DOI：
--
发表时间：
2014-12
期刊：
--
影响因子：
--
作者：
Daniel Soudry;Itay Hubara;R. Meir
通讯作者：
Daniel Soudry;Itay Hubara;R. Meir
DOI：
--
发表时间：
2016-01
期刊：
ArXiv
影响因子：
--
作者：
Minje Kim;Paris Smaragdis
通讯作者：
Minje Kim;Paris Smaragdis
DOI：
10.1145/2429384.2429457
发表时间：
2012-11
期刊：
2012 IEEE/ACM International Conference on Computer-Aided Design (ICCAD)
影响因子：
--
作者：
J. Andres Torres
通讯作者：
J. Andres Torres