Россия
Россия
Россия
Россия
УДК 004.383 Специализированные вычислительные машины
В статье исследуются методы применения нейронных сетей и глубокого обучения для оптимизации энергопотребления в проектировании сверхбольших интегральных схем (СБИС). В условиях увеличения сложности схем и требований к энергоэффективности традиционные аналитические методы часто оказываются недостаточно эффективными. Нейронные сети позволяют выявлять сложные зависимости между параметрами схем и их энергозатратами, что ведет к более совершенным решениям. Основные направления применения включают прогнозирование энергопотребления на этапе проектирования, динамическое управление питанием, оптимизацию топологии и минимизацию утечек тока. Показано, что применение глубокого обучения может снизить энергопотребление на 30-40% по сравнению с традиционными методами. В статье обсуждаются методологические аспекты, такие как архитектурные решения и алгоритмы обучения
Нейронные сети, энергопотребление, сверхбольшие интегральные схемы (СБИС), оптимизация, глубокое обучение, динамическое управление питанием (DVFS), прогнозирование энергопотребления, адаптивные методы, многокритериальная оптимизация, алгоритмы обучения
1. Yang Y, Li D, Wang D. Dynamic Analysis of the Switched-Inductor Buck-Boost Converter Based on the Memristor. Electronics. 2021; 10(4):452. DOI:https://doi.org/10.3390/electronics10040452
2. Brito TM, Colombo DM, Moreno RL, El-Sankary K. CMOS Voltage Reference Using a Self-Cascode Composite Transistor and a Schottky Diode. Electronics. 2019; 8(11):1271. DOI:https://doi.org/10.3390/electronics8111271
3. Novikova E, Doynikova E, Gaifulina D, Kotenko I. Construction and Analysis of Integral User-Oriented Trustworthiness Metrics. Electronics. 2022; 11(2):234. DOI:https://doi.org/10.3390/electronics11020234
4. Yang D, Mai Ngoc K, Shin I, Lee K-H, Hwang M. Ensemble-Based Out-of-Distribution Detection. Electronics. 2021; 10(5):567. DOI:https://doi.org/10.3390/electronics10050567
5. Arti Sahu, Prof. Saima Khan, Prof. Sandip Nemade, & Dr. Divya Jain. Design and Optimization of Low-Power VLSI Circuits for High-Performance Computing. International Journal of Engineering and Computer Science. 2025; 14(02), рр.26804–26813. DOI:https://doi.org/10.18535/ijecs.v14i02.4971
6. G. R. Kumar1 and Dr. Ram Mohan Singh Bhadoria. Power Optimization Techniques in VLSI Circuits for Signal Processing Applications. International Journal of Advanced Research in Science, Communication and Technology (IJARSCT). 2023; 3(2), pp.602-606. DOI:https://doi.org/10.48175/568
7. Зольников, В. К. Компьютерное моделирование работоспособности электрической схемы в системах автоматизации проектирования / В. К. Зольников, С. В. Стоянов, Е. В. Шмаков, Н. Н. Литвинов // Моделирование систем и процессов. – 2024. – Т. 17, № 3. – С. 26-36. – DOIhttps://doi.org/10.12737/2219-0767-2024-24-34. – EDN EJJKJP.
8. Rajeshwar B., Dr. Anvesh Thatikonda. Optimizing VLSI Implementation: A Neural Network Approach. International Journal of Intelligent Systems and Applications in Engineering (IJISAE). 2024; 12(21s), рр.2954–2958.
9. Скворцова, Т. В. Формализация верификации топологии и электрической схемы для систем автоматизированного проектирования / Т. В. Скворцова, К. В. Зольников, А. М. Плотников, И. В. Скоркин // Моделирование систем и процессов. – 2024. – Т. 17, № 3. – С. 61-70. – DOIhttps://doi.org/10.12737/2219-0767-2024-59-68. – EDN DUYQHJ.
10. Ketan J. Raut, Abhijit V. Chitre, Minal S. Deshmukh and Kiran Magar (2021) Low Power VLSI Design Techniques: A Review. Journal of University of Shanghai for Science and Technology. 2021; 23(11), рр.172-183. DOI:https://doi.org/10.51201/JUSST/21/11881
11. Полуэктов, А. В. Повышение формализации задач верификации топологии и электрической схемы для систем автоматизированного проектирования / А. В. Полуэктов, К. В. Зольников, А. В. Ачкасов, Ю. А. Чевычелов // Моделирование систем и процессов. – 2024. – Т. 17, № 1. – С. 102-111. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-1-102-111. – EDN QIKKRO.
12. Clemente A, Ramos GA, Costa-Castelló R. Voltage H∞ Control of a Vanadium Redox Flow Battery. Electronics. 2020; 9(10):1567. DOI:https://doi.org/10.3390/electronics9101567
13. Мочалов, В. П. Алгоритм динамического распределения и балансировки нагрузки в распределенных облачных вычислениях / В. П. Мочалов, Н. Ю. Братченко, Д. В. Гостева // Моделирование систем и процессов. – 2024. – Т. 17, № 1. – С. 92-102. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-1-92-102. – EDN EWMPYM.
14. Zheng B, Zhang J, Sun G, Ren X. EnGe-CSNet: A Trainable Image Compressed Sensing Model Based on Variational Encoder and Generative Networks. Electronics. 2021; 10(9):1089. DOI:https://doi.org/10.3390/electronics10091089
15. Ачкасов, А.В. Особенности проектирования микросхем, выполненных по глубоко-субмикронным технологиям / А.В. Ачкасов, М.В. Солодилов, Н.Н. Литвинов, П.А. Чубунов, В.К. Зольников, Д.В. Шеховцов, О.Л. Бордюжа // Моделирование систем и процессов. – 2022. – Т. 15, № 4. – С. 7-17.
16. Kaisheng Ma, Xueqing Li, Huichu Liu, Xiao Sheng, Yiqun Wang, Karthik Swaminathan, Yongpan Liu, Yuan Xie, John Sampson, and Vijaykrishnan Narayanan. Dynamic Power and Energy Management for Energy Harvesting Nonvolatile Processor Systems. ACM Trans. Embed. Comput. Syst. 2017; 16(4):107. DOI:https://doi.org/10.1145/3077575
17. Ягодкин, А.С., Разработка алгоритмов и программ анализа электрических характеристик БИС / А.С. Ягодкин, В.К. Зольников, Т.В. Скворцова, А.В. Ачкасов, С.А. Кузнецов, Ф.В. Макаренко // Моделирование систем и процессов. – 2022. – Т. 15, № 3. – С. 136-148.
18. Gaur, A.S., & Budakoti, J. Energy Efficient Advanced Low Power CMOS Design to reduce power consumption in Deep Submicron Technologies in CMOS Circuit for VLSI Design. International Journal of Advanced Research in Computer and Communication Engineering. 2014; 3(6), рр.7000-7008
19. Скворцова, Т. В. Формализация верификации топологии и электрической схемы для систем автоматизированного проектирования / Т. В. Скворцова, К. В. Зольников, А. М. Плотников, И. В. Скоркин // Моделирование систем и процессов. – 2024. – Т. 17, № 3. – С. 61-70. – DOIhttps://doi.org/10.12737/2219-0767-2024-59-68. – EDN DUYQHJ.
20. Khan FA, Shees MM, Alsharekh MF, Alyahya S, Saleem F, Baghel V, Sarwar A, Islam M, Khan S. Open-Circuit Fault Detection in a Multilevel Inverter Using Sub-Band Wavelet Energy. Electronics. 2022; 11(1):123. DOI:https://doi.org/10.3390/electronics1101012
