-
题名基于主动学习和视觉状态空间模型的热点检测器
- 1
-
-
作者
王盈
蔡述庭
熊晓明
-
机构
广东工业大学计算机学院
广东工业大学集成电路学院
-
出处
《广东工业大学学报》
CAS
2024年第6期45-51,共7页
-
基金
广东省重点领域研发计划资助项目(2022B0701180001)。
-
文摘
物理验证是芯片生产制造中的关键问题,可保证芯片良率。在实际制造前检测芯片版图中的潜在热点是物理验证的重要步骤,确保制造可行性,提高生产效率。传统的热点检测技术具有检测周期长、消耗大量计算资源等问题,不仅增加了整个生产周期的时间成本,而且检测到的热点模式有限。基于主动学习技术和视觉状态空间模型,本文提出一种新的热点检测模型,使用记忆性评估查询的采样策略,缓解热点数据和非热点数据不平衡问题对模型的影响;同时对基于卷积神经网络(Convolutional Neural Network,CNN)结构的分辨率受限以及基于视觉转换器(Vision Transformers,Vi T)网络架构的二次复杂度进行优化,实现热点检测器的线性复杂度。使用ICCAD-2012竞赛数据进行测试,表明本文提出的热点检测器能够显著减少误报率,当召回率高达98.89%时,误报率仅为1.47%。
-
关键词
热点检测
深度学习
视觉状态空间模型
主动学习
-
Keywords
hotspot detection
deep learning
visual state space model
active learning
-
分类号
TN407
[电子电信—微电子学与固体电子学]
TN707
[电子电信—电路与系统]
-
