Large Reasoning Models for 3D Floorplanning in EDA: Learning from Imperfections

要約

このペーパーでは、大規模推論モデル (LRM) として知られる新しいクラスの自己回帰的意思決定モデルに属する Dreamweaver を紹介します。
Dreamweaver は、シーケンス間の強化学習アルゴリズムの進歩を融合したアーキテクチャを通じて、電子設計自動化 (EDA) における 3D フロアプランニングを改善するように設計されています。
私たちのアプローチの重要な利点は、大規模な個別のアクション スペースを効果的に推論できることです。これは、フロアプランでさまざまな機能ブロックの多数の潜在的な位置を処理するために不可欠です。
さらに、Dreamweaver は、完全にランダムな軌道でトレーニングした場合でも強力なパフォーマンスを示し、次善の軌道や非専門的な軌道を活用して結果を向上させる能力を示しています。
この革新的なアプローチは、集積回路 (IC) 設計フローを合理化し、フロアプランに通常伴う高い計算コストを削減するのに貢献します。
現在の最先端の方法と比較してそのパフォーマンスを評価し、顕著な改善点を強調します。

要約(オリジナル)

In this paper, we introduce Dreamweaver, which belongs to a new class of auto-regressive decision-making models known as large reasoning models (LRMs). Dreamweaver is designed to improve 3D floorplanning in electronic design automation (EDA) via an architecture that melds advancements in sequence-to-sequence reinforcement learning algorithms. A significant advantage of our approach is its ability to effectively reason over large discrete action spaces, which is essential for handling the numerous potential positions for various functional blocks in floorplanning. Additionally, Dreamweaver demonstrates strong performance even when trained on entirely random trajectories, showcasing its capacity to leverage sub-optimal or non-expert trajectories to enhance its results. This innovative approach contributes to streamlining the integrated circuit (IC) design flow and reducing the high computational costs typically associated with floorplanning. We evaluate its performance against a current state-of-the-art method, highlighting notable improvements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google