Real-Time Dynamic IR-drop Prediction for IR ECO背景與痛點 (Introduction) 晶片設計的最後一哩路：Sign-off 與 ECO 當晶片設計快要完成時，會進入「簽核 (Sign-off)」階段。這時候必須確保所有指標都合格。 當電流流過電線時，電壓會因為電阻而下降（歐姆定律）。如果電壓降太多（IR-drop），晶片就會跑不動或是算錯 。

Analysis of IR Drop for Robust Power Grid of Semiconductor Chip Design: A ReviewIntroduction1. 背景：晶片變小了，但麻煩變大了 趨勢： 現代半導體產業致力於縮小晶片尺寸（Die size reduction），並使用多層金屬層來增加利潤 。 後果： 這導致了極高的擁塞（Congestion），進而引發了電

Non-Prediction 這類論文不使用 AI 預測數值，而是透過「新硬體架構 (BSPDN)」或「演算法優化 (Optimization)」直接解決 IR Drop 問題。 Backside Power Delivery Network (BSPDN)背面供電技術，2nm 製程後的熱門解法 Reinforcement Learning-Based Optimization of Back

論文筆記IR DropPDN是指晶片內部的電源供應網路，負責將電源從外部供應器傳送到晶片內的各個元件。PDN 就是在晶片上把電從外面一路送到每個 cell 的那套電線網路。 但是電線不是完美導體，會有電阻 (R) 和電感 (L)，所以當電流流過這些電線時，會產生壓降 (IR drop) 和電壓波動 (L di/dt drop)。 邏輯閘（inverter、nand、nor）需要固定的供應

Reinforcement Learning Agent 在環境 (environment) 中採取行動 (actions) 以最大化累積獎勵 (reward)。 狀態 (state) $s_t$、行動 $a_t$、獎勵 $r_t$。 目標: 學習策略 (policy) $\pi(a|s)$ 以最大化期望累積獎勵 Compared to Supervised / Unsupervise

Unsupervised Learning Datasets: $\mathbf{X} = {\mathbf{x}_1, \mathbf{x}_2, \ldots, \mathbf{x}_N}$ 沒有標籤 (labels) Clustering目標是把所有 $x$ 分成 $K$ 個群集 (clusters)。 K-Means 初始化 $K$ 個中心點 (centroids) ${\mu

Neural Networks: DesignFeedforward Neural Networks (FNN) 或 Multilayer Perceptrons (MLP) 可以 Deompose 成： $$\begin{aligned}\hat{y} = f^{(L)}(\ldots f^{(2)}(f^{(1)}(x; \theta^{(1)}); \theta^{(2)}) \l

Numerical OptimizationNumerical Computation在機器學習中，會有大量的浮點數計算，受限於浮點數儲存的精度，有時候會產生 numeric errors Overflow & Underflow對於 Softmax 函數來說 $$\text{softmax}(z_i) = \frac{\exp(z_i)}{\sum_{j} \exp(z_j)}

Linear AlgebraSpan & Linear Dependence在 Machine Learning 裡面，不管原本的 function 是不是 Linear，我們都會試著用 Linear function 來 Approximate 它。 $\text{span}(A_{:,1}, A_{:,2}, \ldots, A_{:,n})$ 被稱為 column space of

GraspGenGraspGen: A Diffusion-based Framework for 6-DOFGrasping with On-Generator Training 這篇論文介紹了一個名為 GraspGen 的新型機器人抓取框架。這是一個基於 AI（擴散模型）的系統，用於解決 6 自由度（6-DOF）的機器人抓取問題，讓機器人能以任意角度和位置抓取物體。 這篇論文的核心貢獻是提出了