JP2014229311A - シミュレーションシステム及び方法と該システムを含むコンピュータシステム - Google Patents
シミュレーションシステム及び方法と該システムを含むコンピュータシステム Download PDFInfo
- Publication number
- JP2014229311A JP2014229311A JP2014097682A JP2014097682A JP2014229311A JP 2014229311 A JP2014229311 A JP 2014229311A JP 2014097682 A JP2014097682 A JP 2014097682A JP 2014097682 A JP2014097682 A JP 2014097682A JP 2014229311 A JP2014229311 A JP 2014229311A
- Authority
- JP
- Japan
- Prior art keywords
- input
- distribution
- value
- simulation
- boundary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000009826 distribution Methods 0.000 claims abstract description 156
- 230000006870 function Effects 0.000 claims abstract description 71
- 238000010801 machine learning Methods 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims description 29
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 16
- 238000009827 uniform distribution Methods 0.000 claims description 12
- 238000012706 support-vector machine Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
Abstract
【解決手段】本発明は、少なくとも一つのプロセッサを含むコンピュータシステムを利用したシミュレーション方法であって、入力のNP(Nominal Point)に対する関数値が第1値である場合、入力に対して第1シミュレーションを行い、入力のNPに対する関数値が第1値と異なる第2値である場合、入力に対して第2シミュレーションを行うことを含み、第2シミュレーションを行うことは、(a)第2値に対する入力分布の境界を第1分布値として設定し、(b)設定した分布境界内で入力サンプルを生成し、(c)生成した入力サンプルに対して機械学習を行うことによって入力に対するWCP(Worst Case Point)を算出し、(d)入力分布の境界が最小臨界値になるまで入力分布の境界を変化させながら(a)乃至(c)を繰り返すことを含む。
【選択図】 図3
Description
しかし、システムの複雑度が増加するほど、1回のシミュレーション時に発生するコンピューティングリソース及び時間費用が大きく、スーパーコンピュータによっても1年以内に得られない状況が発生する。これは解釈しようとする分布の範囲が中心値対比6σ以上になると、最小数十億回のシミュレーションが要求されるからである。
本発明が解決しようとする他の技術的課題は、入力に対する分析速度と信頼性が向上したシミュレーションシステムを提供することにある。
本発明が解決しようとするまた他の技術的課題は、該シミュレーションシステムを採用したコンピュータシステムを提供することにある。
本発明の技術的課題は、上述した技術的課題に制限されず、上述以外のまた他の技術的課題は、次の記載から当業者に明確に理解できるであろう。
本発明のいくつかの実施形態で、前記設定した分布境界内で入力サンプルを生成することは、前記設定した分布境界内で均一分布サンプリング(Uniform Distribution Sampling)により前記入力サンプルを生成することを含みうる。
本発明のいくつかの実施形態で、前記設定した分布境界内で入力サンプルを生成することは、前記設定した分布境界内で均一分布サンプリング(Uniform Distribution Sampling)により前記入力サンプルを生成することを含み得る。
本発明のいくつかの実施形態で、前記境界面上で前記入力に対するWCPを探索することは、EA(Evolutionary Algorithm)を利用して前記WCPを探索することを含みうる。
本発明のいくつかの実施形態で、前記設定した分布境界内で入力サンプルを生成することは、前記設定した分布境界内で均一分布サンプリング(Uniform Distribution Sampling)により、前記入力サンプルを生成することを含みうる。
本発明のいくつかの実施形態で、前記境界面上で前記入力に対するWCPを探索することは、EA(Evolutionary Algorithm)を利用して前記WCPを探索することを含みうる。
本発明のいくつかの実施形態で、前記メインシミュレーションモジュール、判断モジュール、およびWCP探索モジュールは少なくとも一つのプロセッサによって駆動されうる。
本発明のいくつかの実施形態で、前記入力分布の境界を変化させることは、前記入力分布の境界を前記第1分布値から第2分布値に変化させることを含み、前記設定した分布境界内で入力サンプルを生成することは、前記設定した分布境界内で均一分布サンプリング(Uniform Distribution Sampling)により、前記入力サンプルを生成することを含みうる。このとき、前記第2分布値は前記第1分布値より小さくてもよい。
その他実施形態の具体的な内容は発明の詳細な説明及び図面に含まれている。
図1を参照すると、本発明のいくつかの実施形態によるシミュレーションシステム100には任意の平均(μ)と偏差(σ)を有するn(ここで、nは自然数)個の入力(X1〜Xn)が提供される。ここで、n個の入力は特定回路を分析するのに必要なn個の入力変数でありうる。
このようなシミュレーションシステム100は、判断モジュール110、WCP(Worst Case Point)探索モジュール120、およびメインシミュレーションモジュール140を含みうる。
図3は、本発明のいくつかの実施形態によるシミュレーション方法を説明するための順序図である。図4Aないし図10は、本発明のいくつかの実施形態によるシミュレーション方法を説明するための図である。
先に、図3を参照すると、入力のNP(Nominal Point)に対する関数値がフェイル(fail)であるかどうかを判断する(S100)。その結果、入力のNPに対する関数値がフェイルであれば、入力に対してメインシミュレーションを行う(S180)。
ここで、入力(1)〜(5)は入力分布が正規分布に従うように設定しており、実験で信頼水準は95%に設定した。Xは入力(1)〜(5)に対してモンテカルロシミュレーションを行った結果であり、Yは入力(1)〜(5)に対して前述した本発明のいくつかの実施形態によるシミュレーション方法を行った結果であり、Zは入力(1)〜(5)に対して前述した本発明のいくつかの実施形態と異なるシミュレーション方法(例えば、クラスタリング(clustering)技法を適用したシミュレーション方法)を行った結果である。
図11は、本発明のいくつかの実施形態によるシミュレーションシステムが採用されたコンピュータシステムの一例である。
図11を参照すると、前述した本発明のいくつかの実施形態によるシミュレーションシステム(図1の100)は例えば、ソフトウェア(software)などで実現され、示しているようなコンピュータシステム1001に採用されうる。
AGPコントローラ1010は、3次元グラフィック表現を高速実現できるようにするバス規格であり得、AGPコントローラ1010はモニターイメージを再生するビデオカードなどを含みうる。
メインメモリ1100は、中央処理処置1000の動作を行うのに必要なデータをストレージ1040からローディングして保存する。このようなメインメモリ1100を実現するメモリの例示としては、DRAM(Random Access Memory)が挙げられるが、本発明がこのような例示に制限されるものではない。
具体的には、ストレージ1040には本発明のいくつかの実施形態によるシミュレーションシステム(図1の100)を構成する判断モジュール(図2の110)、WCP(Worst Case Point)探索モジュール(図2の120)、およびメインシミュレーションモジュール(図2の140)がそれぞれモジュール別に実現され保存されている。
本発明のいくつかの実施形態によるシミュレーション方法を実現するためのプログラムを記録した記録媒体は例えば、コンピュータハードディスク、フロッピー(登録商標)ディスク、3.5インチディスク、コンピュータストレージテープ、磁気ドラム(magnetic drums)、SRAMセル、DRAMセル、電気的に消去可能なセル(EEPROM cell、EPROM cell、flash cell)、不揮発性セル、強誘電体メモリ、強磁性体メモリ、コンパクトディスク(CD)、レーザディスク、光学ディスクでありうる。しかし、本発明がこれに制限されるものではなく、コンピュータを利用して読み取り可能な保存媒体は如何なるものでも本発明のいくつかの実施形態によるシミュレーション方法を実現するためのプログラムを記録した記録媒体になる。
110 判断モジュール
120 WCP探索モジュール
140 メインシミュレーションモジュール
Claims (25)
- 少なくとも一つのプロセッサを含むコンピュータシステムを利用したシミュレーション方法であって、
入力のNP(Nominal Point)に対する関数値が第1値である場合、前記入力に対して第1シミュレーションを行い、
前記入力のNPに対する関数値が前記第1値と異なる第2値である場合、前記入力に対して第2シミュレーションを行うことを含み、
前記第2シミュレーションの実行は、
(a)前記第2値に対する入力分布の境界を第1分布値として設定し、
(b)前記設定した分布境界内で入力サンプルを生成し、
(c)前記生成した入力サンプルに対して機械学習を行うことによって前記入力に対するWCP(Worst Case Point)を算出し、
(d)前記入力分布の境界が最小臨界値になるまで前記入力分布の境界を変化させながら前記(a)ないし(c)を繰り返すことを含むシミュレーション方法。 - 前記第1シミュレーションは、モンテカルロシミュレーション(Monte Carlo Simulation)を含む請求項1に記載のシミュレーション方法。
- 前記第2シミュレーションは、重点サンプリング法(Importance Sampling)を含む請求項2に記載のシミュレーション方法。
- 前記設定した分布境界内で入力サンプルを生成することは、前記設定した分布境界内で均一分布サンプリング(Uniform Distribution Sampling)により前記入力サンプルを生成することを含む請求項1に記載のシミュレーション方法。
- 少なくとも一つのプロセッサを含むコンピュータシステムを利用したシミュレーション方法であって、
(a)入力の分布境界を第1分布値として設定し、
(b)前記設定した分布境界内で入力サンプルを生成し、
(c)前記生成した入力サンプルのそれぞれに対して関数値を算出し、
(d)入力サンプルと関数値に対して機械学習(machine learning)を行い、境界面を算出し、
(e)前記境界面上で前記入力に対するWCP(Worst Case Point)を探索し、
(f)前記入力の分布境界が最小臨界値になるまで前記入力分布の境界を変化させながら前記(a)ないし(e)を繰り返すことを含むシミュレーション方法。 - 前記入力分布の境界を変化させることは、前記入力分布の境界を前記第1分布値から第2分布値に変化させることを含む請求項5に記載のシミュレーション方法。
- 前記第2分布値は前記第1分布値より小さい請求項6に記載のシミュレーション方法。
- 前記最小臨界値、第1分布値、および第2分布値のうち少なくとも一つはユーザによって設定される値である請求項6に記載のシミュレーション方法。
- 前記設定した分布境界内で入力サンプルを生成することは、前記設定した分布境界内で均一分布サンプリング(Uniform Distribution Sampling)により前記入力サンプルを生成することを含む請求項5に記載のシミュレーション方法。
- 前記入力サンプルと関数値に対して機械学習(machine learning)を行い、境界面を算出することは、前記入力サンプルと関数値に対してSVM(Support Vector Machine)を利用して前記境界面を算出することを含む請求項5に記載のシミュレーション方法。
- 前記境界面上で前記入力に対するWCPを探索することは、EA(Evolutionary Algorithm)を利用して前記WCPを探索することを含む 請求項5に記載のシミュレーション方法。
- 提供された分布の中心に基づき予め定められたシミュレーションを行うメインシミュレーションモジュールと、
入力のNP(Nominal Point)に対する関数値が第1値である場合、前記入力に対する原点を前記メインシミュレーションモジュールに提供し、前記入力のNPに対する関数値が前記第1値と異なる第2値である場合、WCP(Worst Case Point)探索モジュールに前記入力を提供する判断モジュールと、
前記第2値に対する入力分布の境界を変化させながら前記設定した分布境界内で入力サンプルを生成することを繰り返すことによって前記入力に対するWCPを算出し、これを前記メインシミュレーションモジュールに提供するWCP探索モジュールを含むシミュレーションシステム。 - 前記予め定められたシミュレーションはモンテカルロシミュレーション(Monte Carlo Simulation)を含む請求項12に記載のシミュレーションシステム。
- 前記設定した分布境界内で入力サンプルを生成することは、前記設定した分布境界内で均一分布サンプリング(Uniform Distribution Sampling)により前記入力サンプルを生成することを含む請求項12に記載のシミュレーションシステム。
- 前記WCP探索モジュールが、前記第2値に対する入力分布の境界を変化させながら前記設定した分布境界内で入力サンプルを生成することを繰り返すことによって前記入力に対するWCPを算出することは、
(a)入力の分布境界を第1分布値として設定し、
(b)前記設定した分布境界内で入力サンプルを生成し、
(c)前記生成した入力サンプルのそれぞれに対して関数値を算出し、
(d)入力サンプルと関数値に対して機械学習(machine learning)を行い、境界面を算出し、
(e)前記境界面上で前記入力に対するWCP(Worst Case Point)を探索し、
(f)前記入力の分布境界が最小臨界値になるまで前記入力分布の境界を変化させながら前記(a)ないし(e)を繰り返すことを含む請求項12に記載のシミュレーションシステム。 - 前記入力分布の境界を変化させることは、前記入力分布の境界を前記第1分布値から第2分布値に変化させることを含む請求項15に記載のシミュレーションシステム。
- 前記第2分布値は前記第1分布値より小さい請求項16に記載のシミュレーション方法。
- 前記最小臨界値、第1分布値、および第2分布値のうち少なくとも一つはユーザによって設定される値である請求項15に記載のシミュレーション方法。
- 前記入力サンプルと関数値に対して機械学習(machine learning)を行い、境界面を算出することは、前記入力サンプルと関数値に対してSVM(Support Vector Machine)を利用して前記境界面を算出することを含む請求項15に記載のシミュレーションシステム。
- 前記境界面上で前記入力に対するWCPを探索することは、EA(Evolutionary Algorithm)を利用して前記WCPを探索することを含む請求項15に記載のシミュレーションシステム。
- 前記メインシミュレーションモジュール、判断モジュール、およびWCP探索モジュールは少なくとも一つのプロセッサによって駆動される請求項12に記載のシミュレーションシステム。
- 少なくとも一つのプロセッサと、
前記プロセッサを利用して入力に対するシミュレーションを行うプログラムコードが保存された保存部を含み、
入力のNP(Nominal Point)に対する関数値が第1値である場合、前記入力に対して第1シミュレーションを行い、
前記入力のNPに対する関数値が前記第1値と異なる第2値である場合、前記入力に対して第2シミュレーションを行うことを含み、
前記第2シミュレーションの実行は、
(a)前記第2値に対する入力分布の境界を第1分布値として設定し、
(b)前記設定した分布境界内で入力サンプルを生成し、
(c)前記生成した入力サンプルに対して機械学習を行うことによって前記入力に対するWCP(Worst Case Point)を算出し、
(d)前記入力分布の境界が最小臨界値になるときまで前記入力分布の境界を変化させながら前記(a)ないし(c)を繰り返すことを含むコンピュータシステム。 - 前記第1シミュレーションはモンテカルロシミュレーション(Monte Carlo Simulation)を含み、
前記第2シミュレーションは重点サンプリング法(Importance Sampling)を含む請求項22に記載のコンピュータシステム。 - 前記入力分布の境界を変化させることは、前記入力分布の境界を前記第1分布値から第2分布値に変化させることを含み、
前記設定した分布境界内で入力サンプルを生成することは、前記設定した分布境界内で均一分布サンプリング(Uniform Distribution Sampling)により、前記入力サンプルを生成することを含む請求項22に記載のコンピュータシステム。 - 前記第2分布値は前記第1分布値より小さい請求項24に記載のコンピュータシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020130059878A KR102061763B1 (ko) | 2013-05-27 | 2013-05-27 | 시뮬레이션 시스템 및 방법, 상기 시스템을 포함하는 컴퓨팅 시스템 |
KR10-2013-0059878 | 2013-05-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014229311A true JP2014229311A (ja) | 2014-12-08 |
JP6381962B2 JP6381962B2 (ja) | 2018-08-29 |
Family
ID=51935935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014097682A Active JP6381962B2 (ja) | 2013-05-27 | 2014-05-09 | シミュレーションシステム及び方法と該システムを含むコンピュータシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US9846753B2 (ja) |
JP (1) | JP6381962B2 (ja) |
KR (1) | KR102061763B1 (ja) |
CN (1) | CN104182268B (ja) |
TW (1) | TWI629642B (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120046929A1 (en) * | 2010-08-20 | 2012-02-23 | International Business Machines Corporation | Statistical Design with Importance Sampling Reuse |
US10025897B2 (en) * | 2015-02-10 | 2018-07-17 | Thalia Design Automation Ltd. | Generation of circuit design populations for analog circuit design optimization |
US11003737B2 (en) * | 2017-04-12 | 2021-05-11 | Samsung Electronics Co., Ltd. | Generic high-dimensional importance sampling methodology |
US10915684B2 (en) * | 2018-08-23 | 2021-02-09 | Palo Alto Research Center Incorporated | Automatic redesign of digital circuits |
US11768986B2 (en) | 2019-03-14 | 2023-09-26 | Xenergic Ab | High-dimensional multi-distributed importance sampling for circuit yield analysis |
US11829861B2 (en) | 2019-07-17 | 2023-11-28 | Unist (Ulsan National Institute Of Science And Technology) | Methods and apparatus for extracting data in deep neural networks |
CN114341889A (zh) * | 2019-07-17 | 2022-04-12 | 蔚山科学技术院 | 深度学习内部数据的提取方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070220455A1 (en) * | 2006-03-14 | 2007-09-20 | Joshi Rajiv V | Method and computer program for efficient cell failure rate estimation in cell arrays |
JP2010160787A (ja) * | 2008-12-11 | 2010-07-22 | Jedat Inc | パラメータ情報作成システム、歩留まり算出システム、プログラム及び記録媒体 |
US20120046929A1 (en) * | 2010-08-20 | 2012-02-23 | International Business Machines Corporation | Statistical Design with Importance Sampling Reuse |
CN102663176A (zh) * | 2012-03-28 | 2012-09-12 | 北京航空航天大学 | 针对高可靠机械产品的主动可靠性分析评价方法 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5974248A (en) * | 1996-12-23 | 1999-10-26 | Lsi Logic Corporation | Intermediate test file conversion and comparison |
US6941531B1 (en) | 2002-01-31 | 2005-09-06 | Cadence Design Systems, Inc. | Method and apparatus for performing extraction on an integrated circuit design |
JP3926296B2 (ja) | 2003-06-24 | 2007-06-06 | 株式会社ルネサステクノロジ | 半導体集積回路の性能分散系算出装置及びその算出方法 |
KR20050078071A (ko) * | 2004-01-30 | 2005-08-04 | 삼성전자주식회사 | 몬테카를로 시뮬레이션용 모델 파라미터 집합의 추출 방법 |
US20060203581A1 (en) | 2005-03-10 | 2006-09-14 | Joshi Rajiv V | Efficient method and computer program for modeling and improving static memory performance across process variations and environmental conditions |
US8005660B2 (en) | 2005-12-12 | 2011-08-23 | Anova Solutions, Inc. | Hierarchical stochastic analysis process optimization for integrated circuit design and manufacture |
WO2007091359A1 (ja) | 2006-02-08 | 2007-08-16 | Nec Corporation | ばらつきシミュレーション・システム、ばらつき決定モデル方法と装置ならびにプログラム |
US8046200B2 (en) | 2006-09-05 | 2011-10-25 | Colorado State University Research Foundation | Nonlinear function approximation over high-dimensional domains |
US8229727B2 (en) * | 2007-01-09 | 2012-07-24 | International Business Machines Corporation | System and method for incorporating design behavior and external stimulus in microprocessor emulation model feedback using a shared memory |
US20100076741A1 (en) | 2007-02-19 | 2010-03-25 | Kiyoshi Takeuchi | System, method and program for determining worst condition of circuit operation |
CN101425020A (zh) * | 2007-10-31 | 2009-05-06 | 国际商业机器公司 | 对mmu仿真进行加速的方法、装置和全系统仿真器 |
US7908518B2 (en) * | 2008-02-08 | 2011-03-15 | International Business Machines Corporation | Method, system and computer program product for failure analysis implementing automated comparison of multiple reference models |
US8190543B2 (en) | 2008-03-08 | 2012-05-29 | Tokyo Electron Limited | Autonomous biologically based learning tool |
US8155938B2 (en) * | 2008-03-28 | 2012-04-10 | Carnegie Mellon University | Method and apparatus for sampling and predicting rare events in complex electronic devices, circuits and systems |
US8290761B1 (en) | 2008-06-06 | 2012-10-16 | Carnegie Mellon University | Method and apparatus for rapidly modeling and simulating intra-die statistical variations in integrated circuits using compressed parameter models |
US8417754B2 (en) | 2009-05-11 | 2013-04-09 | Empire Technology Development, Llc | Identification of integrated circuits |
US8219355B2 (en) | 2009-12-23 | 2012-07-10 | Cadence Design Systems, Inc. | Methods and systems for high sigma yield estimation |
KR20110116563A (ko) | 2010-04-19 | 2011-10-26 | 목포대학교산학협력단 | 주성분 분석과 마르코프 연쇄 몬테카를로 기법을 결합한 퍼지 군집화 방법 |
JP5418409B2 (ja) * | 2010-06-01 | 2014-02-19 | 富士通株式会社 | モデル式生成方法、装置及びプログラム |
US8352895B2 (en) * | 2010-12-21 | 2013-01-08 | Globalfoundries Inc. | Model library implementation and methodology for worst case performance modeling for SRAM cells |
JP2012203714A (ja) | 2011-03-25 | 2012-10-22 | Toshiba Corp | モンテカルロ解析実行制御方法、およびモンテカルロ解析実行制御装置 |
US8494670B2 (en) | 2011-04-06 | 2013-07-23 | Solido Design Automation Inc. | Monte-Carlo based accurate corner extraction |
US8589852B1 (en) * | 2011-12-15 | 2013-11-19 | Cadence Design Systems, Inc. | Statistical corner extraction using worst-case distance |
US8595664B2 (en) * | 2011-12-16 | 2013-11-26 | International Business Machines Corporation | Guiding design actions for complex failure modes |
US9461876B2 (en) * | 2012-08-29 | 2016-10-04 | Loci | System and method for fuzzy concept mapping, voting ontology crowd sourcing, and technology prediction |
CN102929686A (zh) * | 2012-09-28 | 2013-02-13 | 杭州中天微系统有限公司 | 一种片上多核处理器功能验证方法 |
-
2013
- 2013-05-27 KR KR1020130059878A patent/KR102061763B1/ko active IP Right Grant
-
2014
- 2014-03-13 TW TW103109064A patent/TWI629642B/zh active
- 2014-03-17 US US14/215,577 patent/US9846753B2/en active Active
- 2014-05-09 JP JP2014097682A patent/JP6381962B2/ja active Active
- 2014-05-20 CN CN201410213272.XA patent/CN104182268B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070220455A1 (en) * | 2006-03-14 | 2007-09-20 | Joshi Rajiv V | Method and computer program for efficient cell failure rate estimation in cell arrays |
JP2010160787A (ja) * | 2008-12-11 | 2010-07-22 | Jedat Inc | パラメータ情報作成システム、歩留まり算出システム、プログラム及び記録媒体 |
US20120046929A1 (en) * | 2010-08-20 | 2012-02-23 | International Business Machines Corporation | Statistical Design with Importance Sampling Reuse |
CN102663176A (zh) * | 2012-03-28 | 2012-09-12 | 北京航空航天大学 | 针对高可靠机械产品的主动可靠性分析评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104182268A (zh) | 2014-12-03 |
KR102061763B1 (ko) | 2020-01-03 |
US20140350900A1 (en) | 2014-11-27 |
US9846753B2 (en) | 2017-12-19 |
JP6381962B2 (ja) | 2018-08-29 |
CN104182268B (zh) | 2019-01-18 |
TW201447765A (zh) | 2014-12-16 |
TWI629642B (zh) | 2018-07-11 |
KR20140139343A (ko) | 2014-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6381962B2 (ja) | シミュレーションシステム及び方法と該システムを含むコンピュータシステム | |
US11568204B2 (en) | Optimization apparatus and control method thereof | |
KR102582921B1 (ko) | 학습 장치, 추론 장치 및 학습 완료 모델 | |
US9953271B2 (en) | Generation of weights in machine learning | |
KR101889451B1 (ko) | 트레이닝 데이터를 위한 가중치 이득 평가기 | |
US20150254573A1 (en) | Alternative training distribution data in machine learning | |
WO2015077564A2 (en) | Weight generation in machine learning | |
US9292650B2 (en) | Identifying layout pattern candidates | |
CN106462465A (zh) | 用于使性能最大化并降低芯片温度和功率的优选内核排序的算法 | |
JP6935356B2 (ja) | 半導体装置、情報処理システム、および情報処理方法 | |
EP3115939A1 (en) | Alternative training distribution based on density modification | |
JP2016006587A (ja) | 解析装置、解析方法及びプログラム | |
US9576085B2 (en) | Selective importance sampling | |
CN116303100B (zh) | 一种基于大数据平台的文件集成测试方法及系统 | |
US11366947B2 (en) | Systems and methods for machine learning based fast static thermal solver | |
WO2023216834A1 (zh) | 用于管理分子预测的方法、装置、设备和介质 | |
JP2017037377A (ja) | 情報処理装置、シミュレーション方法、およびシミュレーションプログラム | |
US9235675B2 (en) | Multidimensional monte-carlo simulation for yield prediction | |
KR102635546B1 (ko) | 기계 학습을 통한 심볼릭 실행의 탐색 공간 자동 축소 방법 | |
US10325056B1 (en) | Failure boundary classification and corner creation for scaled-sigma sampling | |
US20160239589A1 (en) | Automatic calibration of thermal models | |
JP2018032210A (ja) | 設計予測装置、設計予測プログラムおよび設計予測方法 | |
KR101872823B1 (ko) | 정적 램의 수율 예측 방법 | |
JP5482175B2 (ja) | 境界粒子探索システム、境界粒子探索装置、制御方法、及びプログラム | |
US20220382932A1 (en) | Data processing apparatus, data processing method, and non-transitory computer-readable storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20161222 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20161228 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170509 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180403 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180629 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180710 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180801 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6381962 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |