技術分野
グラフ構造を有するネットワークであるGNN(Graph Neural Network)を用いて、LSIの論理設計で使用されるネットリストに基づいて機能推定を行う機能推定方法および機能推定プログラム
要約特許出願時に添付された[要約書]
【課題】LSIのネットリストに対する機能推定の汎化性向上を図る。
【解決手段】グラフ構造を有するネットワークであるGNNを用いて、LSIの論理設計で使用されるネットリストに基づいて機能を推定するために、コンピュータにより実行される機能推定方法であって、ネットリストに基づいて第1のGNNを用いることで第1の機能推定を行う第1推定工程と、第1推定工程の推定結果に基づいて第2のGNNを用いることで第2の機能推定を行う第2推定工程とを備え、第2推定工程は、第1推定工程の推定結果である出力グラフの各ノードについてクラスタリングを行い、クラスタリング後の各ノードにおける種別を表現する行列を第2のGNNに対する入力データとして生成し、第2の機能推定を行う。
【選択図】図1
発明が解決しようとする課題[発明の詳細な説明]から抜粋
特許文献2では、ゲートレベルのネットリストをグラフ化し、R-GCNに入力することによる回路の機能推定手法を提案し、単純な算術演算機能であるadder、subtractor、multiplier、multiplexer等で構成された組み合わせ回路における機能推定を実現した。
課題を解決するための手段[発明の詳細な説明]から抜粋
本開示に係る機能推定方法は、グラフ構造を有するネットワークであるGNNを用いて、LSIの論理設計で使用されるネットリストに基づいて機能を推定するために、コンピュータにより実行される機能推定方法であって、ネットリストに基づいて第1のGNNを用いることで第1の機能推定を行う第1推定工程と、第1推定工程の推定結果に基づいて第2のGNNを用いることで第2の機能推定を行う第2推定工程とを備え、第2推定・・・ 続きを
知財ポータルサイト IP Force にログインして見る
発明の効果[発明の詳細な説明]から抜粋
本開示によれば、従来技術と比較して、LSIのネットリストに対する機能推定の汎化性向上を図ることができる機能推定方法および機能推定プログラムを得ることができる。
この発明についての権利主張の範囲[特許請求の範囲]
知財ポータルサイト IP Force にログインして確認する (無料)
この特許公報に記載されている図面[図面の簡単な説明]から抜粋
【図1】
本開示の実施の形態1に係る機能推定方法による処理の流れを示した説明図である。
【図2】
本開示の実施の形態1に係る機能推定方法による2通りの処理の流れによる全体フローを示した図である。
【図3】
本開示の実施の形態1においてR-GCNを2個直列に接続した場合の、R-GCN2に関する入力、処理、出力を示した説明図である。
【図4】
本開示の実施の形態1においてR-GCNを2個直列に接続した場合の、推定精度に関するメリットを示した説明図である。
【図5】
本開示の実施の形態1において、インスタンス有りの場合にR-GCN2で用いる行列の基となる入力グラフを生成する手法を示した説明図である。
【図6】
本開示の実施の形態1において、R-GCN1によってノード分類された推定結果に対して、各インスタンス内で多数決を取るイメージを示した説明図である。
【図7】
本開示の実施の形態1において、新隣接行列A’を算出する前段としてインスタンス行列Sを生成する手法を示した説明図である。
【図8】
本開示の実施の形態1において、インスタンス行列Sを用いて新隣接行列A’を生成する手法を示した説明図である。
【図9】
本開示の実施の形態1において、クラスタリング後のグラフから新特徴行列X’を生成する手法を示した説明図である。
【図10】
本開示の実施の形態1において、クラスタリング後のグラフに示された回路のアプリケーションから新正解行列Y’を生成する手法を示した説明図である。
【図11】
本開示の実施の形態1において、インスタンス無しの場合にR-GCN2に対する入力グラフを生成する手法を示した説明図である。
【図12】
本開示の実施の形態1におけるマージ処理に関する説明図である。
【図13】
本開示の実施の形態1における接続構成の第1の具体例を示した図である。
【図14】
本開示の実施の形態1における接続構成の第2の具体例を示した図である。
10 第1推定工程、20 第2推定工程、S インスタンス行列、Ain’ 新隣接行列(新たな第1の隣接行列)、Aown’ 新隣接行列(新たな第2の隣接行列)、Aout’ 新隣接行列(新たな第3の隣接行列)。
全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録