그래프 뉴럴 네트워크를 활용한 디지털 로직회로 타이밍 최적화 연구 (Timing Optimization of Digital Circuits using Graph Neural Networks)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 61권 / 2호 / 47 ~ 57페이지
· 저자명 : 김준, 정재용

초록

AGD(Analytic Gradient Descent)알고리즘은 시뮬레이션 모델에 의해 학습된 신경망을 통해 목표 대상에 대하여 분석적인 기울기를 계산하고 최적화할 수 있다. AGD 알고리즘은 여러 분야에 최적화를 진행할 때 유용하게 사용될 수 있다. 특히 EDA(Electronic Design Automation)분야에서 사용되고 있는 딥러닝 모델과 같이 사용할 경우 회로의 성능을 예측하고 높여줄 수 있다. AGD 알고리즘을 적용한 딥러닝 모델의 경우 디지털 회로 설계분야에 많이 사용되고 있는 SynopsysDC와 근접한 성능을 보여주고 있다. 하지만 기존 AGD알고리즘에는 하이퍼파라미터가 튜닝 되지 않았으며 여러 최적화 기법이 적용되지 않았다. 본 논문에서는 AGD알고리즘의 성능을 높일 수 있는 다양한 최적화 기법을 적용했으며 하이퍼파라미터 값들의 조정을 통해 논리게이트의 작동 시간을 단축했다. 성능이 높아진 AGD 알고리즘을 사용하여 디지털 회로의 게이트 사이즈를 조절할 경우 Synopsys DC 기준으로 QoR(quality of result)은 –0.1572%로 기존 AGD논문에 비교하면 0.2828%만큼 상승하였다. 이는 하이퍼파라미터의 튜닝과 알맞은 최적화 기법의 적용이 모델에 어떤 영향을 미치는지 보여주는 지표이다. 본 논문은 하이퍼파라미터 튜닝과 딥러닝 모델에 맞는 최적화 기법이 성능을 높여줄 수 있는 요인이라고 말하고 있다. 또한 성능이 향상된 AGD알고리즘은 최적화가 필요한 여러 분야에서 사용 될 수 있을 것이다.

영어초록

The Analytical Gradient Descent (AGD) algorithm can calculate and optimize analytical slopes for target targets through neural networks learned by simulation models. The AGD algorithm can be useful when optimizing several fields. In particular, when used with deep learning models used in the field of electronic design automation (EDA), circuit performance can be predicted and increased. Deep learning models with AGD algorithms show performance close to SynopsysDC, which is widely used in digital circuit design. However, the existing AGD algorithm did not have hyperparameters tuned and several optimization techniques were not applied. In this paper, various optimization techniques that can increase the performance of the AGD algorithm were applied, and the operation time of the logic gate was shortened by adjusting hyperparameter values. When adjusting the gate size of a digital circuit using a performance-enhanced AGD algorithm, the QoR (quality of result) was -0.1572 based on SynopsysDC. This is an indicator of how the tuning of hyperparameters and the application of appropriate optimization techniques affect the model. This paper says that hyperparameter tuning and optimization techniques suitable for deep learning models are factors that can increase performance. Moreover, the performance-enhanced AGD algorithm could be used in several areas that require optimization.

참고자료

· 없음