کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Electronic Design Automation (EDA) is essential for IC design and has recently benefited from AI-based techniques to improve efficiency. Logic synthesis, a key EDA stage, transforms high-level hardware descriptions into optimized netlists. Recent research has employed machine learning to predict Quality of Results (QoR) for pairs of And-Inverter Graphs (AIGs) and synthesis recipes. However, the severe scarcity of data due to a very limited number of available AIGs results in overfitting, significantly hindering performance. Additionally, the complexity and large number of nodes in AIGs make plain GNNs less effective for learning expressive graph-level representations. To tackle these challenges, we propose MTLSO - a Multi-Task Learning approach for Logic Synthesis Optimization. On one hand, it maximizes the use of limited data by training the model across different tasks. This includes introducing an auxiliary task of binary multi-label graph classification alongside the primary regression task, allowing the model to benefit from diverse supervision sources. On the other hand, we employ a hierarchical graph representation learning strategy to improve the model's capacity for learning expressive graph-level representations of large AIGs, surpassing traditional plain GNNs. Extensive experiments across multiple datasets and against state-of-the-art baselines demonstrate the superiority of our method, achieving an average performance gain of 8.22\% for delay and 5.95\% for area.
چکیده به فارسی (ترجمه ماشینی)
اتوماسیون طراحی الکترونیکی (EDA) برای طراحی IC ضروری است و اخیراً از تکنیک های مبتنی بر هوش مصنوعی برای بهبود کارآیی بهره مند شده است.سنتز منطق ، یک مرحله اصلی EDA ، توضیحات سخت افزار سطح بالا را به لیست های خالص بهینه تبدیل می کند.تحقیقات اخیر از یادگیری ماشین برای پیش بینی کیفیت نتایج (QOR) برای جفت نمودارهای و ایرانتر (AIG) و دستور العمل های سنتز استفاده کرده است.با این حال ، کمبود شدید داده ها به دلیل تعداد بسیار محدودی از AIG های موجود منجر به عملکرد بیش از حد ، به طور قابل توجهی مانع عملکرد می شود.علاوه بر این ، پیچیدگی و تعداد زیادی از گره ها در AIG باعث می شود GNN های ساده برای یادگیری بازنمایی های سطح گرافیک بیان کنند.برای مقابله با این چالش ها ، ما MTLSO را پیشنهاد می کنیم - یک رویکرد یادگیری چند کاره برای بهینه سازی سنتز منطق.از یک طرف ، با آموزش مدل در کارهای مختلف ، استفاده از داده های محدود را به حداکثر می رساند.این شامل معرفی یک کار کمکی طبقه بندی نمودار چند برچسب باینری در کنار کار رگرسیون اولیه است که به این مدل امکان می دهد از منابع نظارت متنوع بهره مند شود.از طرف دیگر ، ما از یک استراتژی یادگیری نمودار سلسله مراتبی استفاده می کنیم تا ظرفیت مدل برای یادگیری بازنمایی های سطح گرافیکی بیانگر AIG های بزرگ ، از GNN های ساده سنتی استفاده کنیم.آزمایش های گسترده در بین مجموعه داده های مختلف و در برابر پایه های پیشرفته ، برتری روش ما را نشان می دهد ، و دستیابی به افزایش متوسط عملکرد 8.22 \ ٪ برای تأخیر و 5.95 ٪ برای منطقه.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
