| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-01-17 13:15 ［ポスター講演］Investigation of Placement Order Optimization for Adiabatic Quantum- Flux-Parametron Integrated Circuits via Machine Learning ○Takehisa Yamada・Christopher L. Ayala・Ro Saito・Tomoyuki Tanaka・Nobuyuki Yoshikawa（Yokohama Natl Univ）  SCE2019-55 エレソ技報アーカイブへのリンク：SCE2019-55 |
|
| 抄録 | （和） | Adiabatic quantum-flux-parametron (AQFP) logic is one kind of superconducting logic family featuring low energy and high computational speed compared to CMOS. Because of its unique structure, we cannot immediately apply CMOS EDA tools to AQFP circuits. In previous studies, we developed an AQFP cell placement optimization tool using the genetic algorithm (GA). However, GA-based optimization time is enormous when it is applied to very large integrated circuits (IC). In this study, we have been focusing on optimization by machine learning. Once such an optimization model has been created, an optimized placement result can be obtained very quickly by utilizing the model. We first generated pseudo-circuit data, and we trained an order optimization model using the pseudo-circuit data. To apply machine learning to the placement optimization problem, a series data must be created from the AQFP graph data. In this paper, we propose the following two methods. In the first method, we create feature vectors for each AQFP cell from the graph data to make the series data. In the second method, we optimize the placement order by applying the vectors in machine learning. |
| （英） | Adiabatic quantum-flux-parametron (AQFP) logic is one kind of superconducting logic family featuring low energy and high computational speed compared to CMOS. Because of its unique structure, we cannot immediately apply CMOS EDA tools to AQFP circuits. In previous studies, we developed an AQFP cell placement optimization tool using the genetic algorithm (GA). However, GA-based optimization time is enormous when it is applied to very large integrated circuits (IC). In this study, we have been focusing on optimization by machine learning. Once such an optimization model has been created, an optimized placement result can be obtained very quickly by utilizing the model. We first generated pseudo-circuit data, and we trained an order optimization model using the pseudo-circuit data. To apply machine learning to the placement optimization problem, a series data must be created from the AQFP graph data. In this paper, we propose the following two methods. In the first method, we create feature vectors for each AQFP cell from the graph data to make the series data. In the second method, we optimize the placement order by applying the vectors in machine learning. |
|
| キーワード | （和） | / / / / / / / |
| （英） | AQFP / placement / optimization / machine learning / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 369, SCE2019-55, pp. 103-105, 2020年1月. | |
| 資料番号 | SCE2019-55 | |
| 発行日 | 2020-01-09 (SCE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SCE2019-55 エレソ技報アーカイブへのリンク：SCE2019-55 |
|
| 研究会情報 | |
| 研究会 | SCE |
| 開催期間 | 2020-01-16 - 2020-01-17 |
| 開催地（和） | 横浜市開港記念会館 |
| 開催地（英） | |
| テーマ（和） | 超伝導エレクトロニクス一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SCE |
| 会議コード | 2020-01-SCE |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Investigation of Placement Order Optimization for Adiabatic Quantum- Flux-Parametron Integrated Circuits via Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / AQFP |
| キーワード(2)（和/英） | / placement |
| キーワード(3)（和/英） | / optimization |
| キーワード(4)（和/英） | / machine learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 山田 剛久 / Takehisa Yamada / ヤマダ タケヒサ |
| 第1著者 所属（和/英） | 横浜国立大学 (略称： 横浜国大) Yokohama National University (略称： Yokohama Natl Univ) |
| 第2著者 氏名（和/英/ヨミ） | クリストファー アヤラ / Christopher L. Ayala / クリストファー アヤラ |
| 第2著者 所属（和/英） | 横浜国立大学 (略称： 横浜国大) Yokohama National University (略称： Yokohama Natl Univ) |
| 第3著者 氏名（和/英/ヨミ） | 齋藤 蕗生 / Ro Saito / サイトウ ロウ |
| 第3著者 所属（和/英） | 横浜国立大学 (略称： 横浜国大) Yokohama National University (略称： Yokohama Natl Univ) |
| 第4著者 氏名（和/英/ヨミ） | 田中 智之 / Tomoyuki Tanaka / タナカ トモユキ |
| 第4著者 所属（和/英） | 横浜国立大学 (略称： 横浜国大) Yokohama National University (略称： Yokohama Natl Univ) |
| 第5著者 氏名（和/英/ヨミ） | 吉川 信之 / Nobuyuki Yoshikawa / ヨシカワ ノブユキ |
| 第5著者 所属（和/英） | 横浜国立大学 (略称： 横浜国大) Yokohama National University (略称： Yokohama Natl Univ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-01-17 13:15:00 |
| 発表時間 | 135分 |
| 申込先研究会 | SCE |
| 資料番号 | SCE2019-55 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.369 |
| ページ範囲 | pp.103-105 |
| ページ数 | 3 |
| 発行日 | 2020-01-09 (SCE) |
[研究会発表申込システムのトップページに戻る]