Número do Painel
Autor
Instituição
UFSC
Tipo de Bolsa
PIBIC/CNPq
Orientador
JOSE LUIS ALMADA GUNTZEL
Depto
DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA / INE/CTC
Centro
CENTRO TECNOLOGICO
Laboratório
Grande Área / Área do Conhecimento
Ciências Exatas e da Terra /Ciências Exatas e da Terra
Sub-área do Conhecimento
Ciência da Computação
Titulo
Uso de machine learning para a síntese física de circuitos integrados digitais
Resumo

O projeto de circuitos eletrônicos integrados é uma tarefa de alta complexidade e exige uma metodologia rígida seguindo um fluxo de passos, cada qual sendo responsável por solucionar uma etapa. Tal fluxo se inicia com a descrição do comportamento que o sistema deverá apresentar, passando por síntese lógica e projeto físico, agregam-se detalhes de implementação, até chegar em uma descrição que permite a fabricação. Em alguns casos, as ferramentas automação de projeto em eletrônica, em tradução livre) disponíveis podem gerar soluções insatisfatórios que tornam inviáveis a continuidade da realização dos próximos passos do projeto, de tal modo que é necessário que o passo em questão seja refeito, e em algumas situações, até mesmo etapas anteriores a ele, o que leva a um aumento significativo no tempo total de execução do projeto. A solução que buscamos para isso é que, por intermédio de redes neurais convolucionais, técnicas de aprendizado de máquina, seja possível prever a qualidade e precisão da solução sendo gerada, especificamente nas etapas do projeto físico. Este trabalho apresenta os estudos realizados no ECL (Laboratório de Computação Embarcada) em algoritmos para automatização de projetos em eletrônica.

Link do Videohttps://repositorio.ufsc.br/handle/123456789/238700
Palavras-chave
SOCs, EDA, VLSI, machine learning, Convolutional Neural Networks CNNs
Colaboradores

Pró-Reitoria de Pesquisa(PROPESQ) | Central Telefônica - (48) 3721-9332 | Email - piict@contato.ufsc.br