开源学习驱动虚拟缓冲感知全局布局框架提出
热点事件持续更新
开源学习驱动虚拟缓冲感知全局布局框架提出
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Andrew B. Kahng、Yiting Liu 和 Zhiang Wang 提出 MLBuf-RePlAce,他们称这是首个开源的学习驱动虚拟缓冲感知解析式全局布局框架,构建在 OpenROAD 基础设施之上。 该框架采用递归学习生成式缓冲方法预测缓冲器类型与位置,并在全局布局阶段处理 ERC 违规。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
MLBuf-RePlAce:基于递归学习的虚拟缓冲感知解析式全局布局框架报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIMLBuf-RePlAce:基于递归学习的虚拟缓冲感知解析式全局布局框架
MLBuf-RePlAce 是首个开源的学习驱动虚拟缓冲感知解析式全局布局框架,构建于 OpenROAD 基础设施之上,采用递归学习生成式缓冲方法预测缓冲器类型与位置,并在全局布局阶段处理 ERC 违规。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。