| Título : |
Machine Learning in VLSI Computer-Aided Design |
| Tipo de documento: |
documento electrónico |
| Autores: |
Elfadel, Ibrahim (Abe) M., ; Boning, Duane S., ; Li, Xin, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2019 |
| Número de páginas: |
XXII, 694 p. 341 ilustraciones, 275 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-030-04666-8 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Circuitos electrónicos Microprocesadores Arquitectura de Computadores diseño lógico Circuitos y sistemas electrónicos Arquitecturas de procesador |
| Índice Dewey: |
621.3815 |
| Resumen: |
Este libro proporciona a los lectores una descripción actualizada del uso de marcos, metodologías, algoritmos y técnicas de aprendizaje automático en el contexto del diseño asistido por computadora (CAD) para circuitos integrados a muy gran escala (VLSI). La cobertura incluye los diversos métodos de aprendizaje automático utilizados en litografía, diseño físico, predicción de rendimiento, análisis de rendimiento post-silicio, análisis de fallas y confiabilidad, análisis térmico y de potencia, diseño analógico, síntesis lógica, verificación y diseño neuromórfico. Proporciona información actualizada sobre aprendizaje automático en VLSI CAD para modelado de dispositivos, verificaciones de diseño, predicción de rendimiento, validación post-silicio y confiabilidad; Analiza el uso de técnicas de aprendizaje automático en el contexto de la síntesis analógica y digital; Demuestra cómo formular objetivos CAD de VLSI como problemas de aprendizaje automático y proporciona un tratamiento integral de sus soluciones eficientes; Analiza la compensación entre el costo de recopilar datos y la precisión de la predicción y proporciona una metodología para usar datos previos para reducir el costo de la recopilación de datos en el diseño, prueba y validación de diseños VLSI analógicos y digitales. Del prólogo A medida que la industria de los semiconductores adopta la creciente oleada de sistemas cognitivos y de inteligencia de punta, este libro podría servir como presagio y ejemplo de la ósmosis que existirá entre nuestras estructuras y métodos cognitivos, por un lado, y las arquitecturas y sistemas de hardware. tecnologías que los respaldarán, por el otro... A medida que pasamos de la era informática a la cognitiva, nos corresponde recordar la historia de éxito de VLSI CAD y buscar seriamente la ayuda de la mano invisible para que nuestros futuros sistemas cognitivos Se utilizan para diseñar sistemas cognitivos más potentes. Este libro está muy alineado con esta transición en curso de la computación a la cognición, y es un gran placer recomendarlo a todos aquellos que participan activamente en esta apasionante transformación. Dr. Ruchir Puri, miembro de IBM, director de tecnología de IBM Watson y arquitecto jefe, Centro de investigación IBM TJ Watson. |
| Nota de contenido: |
Chapter1: A Preliminary Taxonomy for Machine Learning in VLSI CAD -- Chapter2: Machine Learning for Compact Lithographic Process Models -- Chapter3: Machine Learning for Mask Synthesis -- Chapter4: Machine Learning in Physical Verification, Mask Synthesis, and Physical Design -- Chapter5: Gaussian Process-Based Wafer-Level Correlation Modeling and its Applications -- Chapter6: Machine Learning Approaches for IC Manufacturing Yield Enhancement -- Chapter7: Efficient Process Variation Characterization by Virtual Probe -- Chapter8: Machine learning for VLSI chip testing and semiconductor manufacturing process monitoring and improvement -- Chapter9: Machine Learning based Aging Analysis -- Chapter10: Extreme Statistics in Memories -- Chapter11: Fast Statistical Analysis Using Machine Learning -- Chapter12: Fast Statistical Analysis of Rare Circuit Failure Events -- Chapter13: Learning from Limited Data in VLSI CAD -- Chapter14: Large-Scale Circuit Performance Modeling by Bayesian Model Fusion -- Chapter15: Sparse Relevance Kernel Machine Based Performance Dependency Analysis of Analog and Mixed-Signal Circuits -- Chapter16: SiLVR: Projection Pursuit for Response Surface Modeling -- Chapter17: Machine Learning based System Optimization and Uncertainty Quantification of Integrated Systems -- Chapter18: SynTunSys: A Synthesis Parameter Autotuning System for Optimizing High-Performance Processors -- Chapter19: Multicore Power and Thermal Proxies Using Least-Angle -- Chapter20: A Comparative Study of Assertion Mining Algorithms in GoldMine -- Chapter21: Energy-Efficient Design of Advanced Machine Learning Hardware. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Machine Learning in VLSI Computer-Aided Design [documento electrónico] / Elfadel, Ibrahim (Abe) M., ; Boning, Duane S., ; Li, Xin, . - 1 ed. . - [s.l.] : Springer, 2019 . - XXII, 694 p. 341 ilustraciones, 275 ilustraciones en color. ISBN : 978-3-030-04666-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Circuitos electrónicos Microprocesadores Arquitectura de Computadores diseño lógico Circuitos y sistemas electrónicos Arquitecturas de procesador |
| Índice Dewey: |
621.3815 |
| Resumen: |
Este libro proporciona a los lectores una descripción actualizada del uso de marcos, metodologías, algoritmos y técnicas de aprendizaje automático en el contexto del diseño asistido por computadora (CAD) para circuitos integrados a muy gran escala (VLSI). La cobertura incluye los diversos métodos de aprendizaje automático utilizados en litografía, diseño físico, predicción de rendimiento, análisis de rendimiento post-silicio, análisis de fallas y confiabilidad, análisis térmico y de potencia, diseño analógico, síntesis lógica, verificación y diseño neuromórfico. Proporciona información actualizada sobre aprendizaje automático en VLSI CAD para modelado de dispositivos, verificaciones de diseño, predicción de rendimiento, validación post-silicio y confiabilidad; Analiza el uso de técnicas de aprendizaje automático en el contexto de la síntesis analógica y digital; Demuestra cómo formular objetivos CAD de VLSI como problemas de aprendizaje automático y proporciona un tratamiento integral de sus soluciones eficientes; Analiza la compensación entre el costo de recopilar datos y la precisión de la predicción y proporciona una metodología para usar datos previos para reducir el costo de la recopilación de datos en el diseño, prueba y validación de diseños VLSI analógicos y digitales. Del prólogo A medida que la industria de los semiconductores adopta la creciente oleada de sistemas cognitivos y de inteligencia de punta, este libro podría servir como presagio y ejemplo de la ósmosis que existirá entre nuestras estructuras y métodos cognitivos, por un lado, y las arquitecturas y sistemas de hardware. tecnologías que los respaldarán, por el otro... A medida que pasamos de la era informática a la cognitiva, nos corresponde recordar la historia de éxito de VLSI CAD y buscar seriamente la ayuda de la mano invisible para que nuestros futuros sistemas cognitivos Se utilizan para diseñar sistemas cognitivos más potentes. Este libro está muy alineado con esta transición en curso de la computación a la cognición, y es un gran placer recomendarlo a todos aquellos que participan activamente en esta apasionante transformación. Dr. Ruchir Puri, miembro de IBM, director de tecnología de IBM Watson y arquitecto jefe, Centro de investigación IBM TJ Watson. |
| Nota de contenido: |
Chapter1: A Preliminary Taxonomy for Machine Learning in VLSI CAD -- Chapter2: Machine Learning for Compact Lithographic Process Models -- Chapter3: Machine Learning for Mask Synthesis -- Chapter4: Machine Learning in Physical Verification, Mask Synthesis, and Physical Design -- Chapter5: Gaussian Process-Based Wafer-Level Correlation Modeling and its Applications -- Chapter6: Machine Learning Approaches for IC Manufacturing Yield Enhancement -- Chapter7: Efficient Process Variation Characterization by Virtual Probe -- Chapter8: Machine learning for VLSI chip testing and semiconductor manufacturing process monitoring and improvement -- Chapter9: Machine Learning based Aging Analysis -- Chapter10: Extreme Statistics in Memories -- Chapter11: Fast Statistical Analysis Using Machine Learning -- Chapter12: Fast Statistical Analysis of Rare Circuit Failure Events -- Chapter13: Learning from Limited Data in VLSI CAD -- Chapter14: Large-Scale Circuit Performance Modeling by Bayesian Model Fusion -- Chapter15: Sparse Relevance Kernel Machine Based Performance Dependency Analysis of Analog and Mixed-Signal Circuits -- Chapter16: SiLVR: Projection Pursuit for Response Surface Modeling -- Chapter17: Machine Learning based System Optimization and Uncertainty Quantification of Integrated Systems -- Chapter18: SynTunSys: A Synthesis Parameter Autotuning System for Optimizing High-Performance Processors -- Chapter19: Multicore Power and Thermal Proxies Using Least-Angle -- Chapter20: A Comparative Study of Assertion Mining Algorithms in GoldMine -- Chapter21: Energy-Efficient Design of Advanced Machine Learning Hardware. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Machine Learning in VLSI Computer-Aided Design
