11:06arXiv cs.LG@Julian Withöft, Werner John, Emre Ecik, Ralf Brüning, Jürgen Götze精选论文提出一种缓冲器参数化的机器学习代理模型方法,将IC缓冲器特性(如时钟频率、电源电压、上升/下降时间、抖动及内部电阻电容)作为动态输入,与PCB参数共同建模,从而无需重新训练即可处理跨技术变化。通过对比树模型、核方法、高斯过程回归和神经网络等架构,发现各向异性高斯过程回归在小数据场景表现优异,而神经网络在大数据集上显著领先。该方法在44个设计参数的复杂互连上验证,展示了相比传统仿真在眼图合规检查中巨大的计算加速。论文信号完整性机器学习代理模型PCB设计缓冲器参数化高斯过程回归推荐理由:PCB信号完整性分析团队终于有了能跨技术代际复用的ML代理模型,不用每次换缓冲器参数就重新生成数据和训练,做高速互连设计的工程师可以直接用这套框架加速眼图合规检查。原文