R-GCNを用いたゲートレベルネットリスト機能分類手法

• Item type: SIG Technical Reports(1)
• 公開日: 2019-11-06
• タイトル: R-GCNを用いたゲートレベルネットリスト機能分類手法
• タイトル / 言語: en
• タイトル: Gate Level Netlist Function Classification Method Based on R-GCN
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 熊本大学大学院自然科学教育部
• 著者所属: 熊本大学大学院自然科学教育部
• 著者所属: 熊本大学大学院先端科学研究部
• 著者所属: 熊本大学大学院先端科学研究部
• 著者所属: 三菱電機エンジニアリング株式会社
• 著者所属: 三菱電機エンジニアリング株式会社
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Kumamoto University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Kumamoto University
• 著者所属(英): en
• 著者所属(英): Faculty of Advanced Science and Technology, Kumamoto University
• 著者所属(英): en
• 著者所属(英): Faculty of Advanced Science and Technology, Kumamoto University
• 著者所属(英): en
• 著者所属(英): MITSUBISHI ELECTRIC ENGINEERING COMPANY LIMITED
• 著者所属(英): en
• 著者所属(英): MITSUBISHI ELECTRIC ENGINEERING COMPANY LIMITED
• 著者名: 藤城, 裕一郎; 小山, 大輝; 尼崎, 太樹; 飯田, 全広; 安田, 紘晃; 伊藤, 寛人
• 著者名(英): Yuichiro, Fujishiro; Hiroki, Oyama; Motoki, Amagasaki; Masahiro, Iida; Hiroaki, Yasuda; Hiroto, Ito
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: GCN (Graph Convolutional Networks) はノードおよびエッジの集合で構成されるグラフにおけるディープラーニングの手法である．入力されたグラフに対するグラフ畳み込み演算によりグラフの特徴量を抽出し，グラフの分類を行うことができる．この GCN を使用した先行研究としてゲートレベルのネットリストの機能推定が行われたが，adder， subtractor，multiplier の分類で回路構造が似た adder と subtractor の判別が困難であるといった問題があった．より汎用的かつ高精度の機能推定を実現するため，本研究ではネットリストの入出力関係を保持した有向グラフを入力可能な R-GCN (Relational Graph Convolutional Networks) の使用およびデータセットの作成，学習方法の提案を行う．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: GCN (Graph Convolutional Networks) is one of a deep learning method for graphs composed of a set of nodes and edges. Graph features can be extracted by graph convolution on the input graph, and we can classify the functions in netlist. As prior research using GCN, functional classification of gate-level netlists was performed, but there was a problem that it was difficult to distinguish adder and subtractor with similar circuit structure in the classification of adder, subtractor, and multiplier. In order to realize more versatile and high-precision functional classification, this research proposes R-GCN (Relational Graph Convolutional Networks) based classification method that can input a directed graph, and evaluate classification rate targeted to gate level netlist.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12149313
• 書誌情報: 研究報告組込みシステム（EMB）; 巻 2019-EMB-52, 号 2, p. 1-6, 発行日 2019-11-06
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-868X
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会