GNN代理模型提升时钟网格分析效率与性能
热点事件持续更新
GNN代理模型提升时钟网格分析效率与性能
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年11月3日，arXiv cs.lg领域发布新论文，提出基于GNN的代理模型用于时钟网格分析。该模型在SPICE数据上训练，并在未见过的真实设计上测试。结果显示，该模型平均误差为3.40 ps延迟、4.14 ps上升时间和4.46 ps偏移。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
基于 GNN 的 Surrogate Model 用于 Variation-Aware Clock-Mesh 分析报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · ML基于 GNN 的 Surrogate Model 用于 Variation-Aware Clock-Mesh 分析
提出基于 GNN 的 Surrogate Model 优化 Clock-Mesh 分析。该模型在 SPICE 数据上训练，平均误差为 3.40 ps 延迟、4.14 ps 上升时间和 4.46 ps 偏移，比现有方法快 18-1706 倍。实际案例显示，该模型可提升 99th-percentile 偏移 49.1%，降低功耗 25.7% 和面积 37.3%。
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。