강화학습을 이용한 SMT 공정의 Chip Mount Planning 최적화
SMT 공정의 chip mount planning을 강화학습으로 최적화한 초기 결과를 소개했습니다. 33개 sample 실험과 IPC sample 분석을 통해 적용 가능성과 개선 과제를 확인했습니다.
#강화학습#최적화
1700
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
Dynamics Model로 무엇을 할 수 있을까?
Dynamics Model을 제어와 시뮬레이션 문제에 활용하는 사례를 소개했습니다. 실제 데이터와 물리 모델을 결합해 sim-to-real gap을 줄이는 가능성을 설명했습니다.
#LLM#ML
1200
자연어처리 모델을 활용한 개인화 추천시스템
자연어처리의 토픽 모델링을 개인화 추천에 적용하는 방식을 소개했습니다. 사용자 행동 데이터를 바탕으로 관심 주제를 추출해 맞춤형 추천을 구성하는 개념을 설명했습니다.
#NLP#추천
2100
알라꿍달라꿍의 대화요약 이모저모
외부 데이터 제한 환경에서 BART 기반 한국어 대화요약 모델을 개선한 경진대회 사례를 공유했습니다. 사전학습·R3F·강화학습을 조합해 ROUGE-L 기준 성능을 높이고 본선 1위를 달성했습니다.
#BART#NLP
000
주문형 반도체 (ASIC) Floorplan 자동화 - Part I
ASIC Floorplan 자동화의 난점과 PPA 기반 평가 기준을 설명했습니다. 강화학습 Placer가 저복잡도 문제에서 전문가·ICC2와 유사한 성능을 보였습니다.
#ASIC#Floorplan
3000
주문형 반도체 (ASIC) Floorplan 자동화 - Part II
강화학습으로 ASIC Floorplan의 수작업 배치 문제를 자동화하는 환경과 모델을 설계했습니다. GNN·CNN과 HPWL·혼잡도 보상으로 배치 품질을 근사했습니다.
#ASIC#강화학습
2900
주문형 반도체 Floorplan 자동화 (2)
강화학습으로 ASIC Floorplan의 Macro와 Standard Cell Cluster 배치를 최적화했습니다. GNN·CNN과 HPWL·Congestion 보상으로 EDA 기준에 근접한 결과를 확인했습니다.
#강화학습#ASIC
2800
주문형 반도체 Floorplan 자동화 (1)
ASIC Floorplan의 수작업 배치 문제를 강화학습 기반 Placer로 자동화하는 접근을 소개했습니다. 저복잡도 Netlist에서 전문가와 ICC2 자동 배치에 가까운 성능을 확인했습니다.
#ASIC#floorplan
2000
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
오픈소스(RLlib) 문제 발견부터 컨트리뷰션까지
RLlib의 사용자 지정 포트 분산 학습 오류 원인을 ML-Agents의 포트 연결 방식에서 분석했습니다. worker_id 증가와 유닛 테스트를 추가해 PR로 수정 사항을 반영했습니다.
#RLlib#강화학습
1700
오픈소스(RLlib) 문제 발견부터 컨트리뷰션까지
RLlib Unity3D Wrapper의 사용자 지정 포트 중복 문제를 분석하고 worker_id 증가 방식으로 해결했습니다.\n재발 방지 유닛 테스트와 CI·requirements 수정을 거쳐 PR을 머지했습니다.
#RLlib#강화학습
1600
Chip Placement on FPGA 프로젝트를 소개합니다!
FPGA의 소자 배치를 강화학습으로 자동화하기 위한 환경과 에이전트 구조를 소개했습니다.\nGrid·Mask·보상·그래프 임베딩 설계에서의 도메인 특화 고려사항을 정리했습니다.
#강화학습#FPGA
1800
Chip Placement with Deep Reinforcement Learning
Chip Placement를 Hard Macro 순차 배치 MDP로 정의한 Google의 강화학습 방식을 소개했습니다.\nGNN 상태 인코딩과 Wire Length·혼잡도 보상으로 PPA 제약을 근사했습니다.
#ML#강화학습
2300
강화학습으로 더 재미있는 게임 만들기
강화학습 퍼즐 봇으로 대규모 3매치 게임의 밸런싱 작업을 자동화했습니다.\nMock 환경과 PPO 모델을 활용해 업데이트 영향과 캐릭터 성능을 사전 정량화했습니다.
#강화학습#PPO
3900