입력 정적 확률과 선형 회귀 분석을 이용한 조합 회로의 상위수준 누설 전력 모델링 :Hign-level leakage power modeling for combinational circuits using input static probabilities and linear regression

김종규

추천

검색

자료유형: 학위논문

저자정보: 김종규 (광운대학교, 광운대학교 대학원)

지도교수: 이준환

발행연도: 2019

저작권: 광운대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2019

회로 입력의 정적 확률 기반 상위수준 누설 전력 모델링

김종규 , 이준환 전자공학회논문지 2019.02 학술저널

입력 정적 확률과 선형 회귀 분석을 이용한 조합 회로의 상위수준 누설 전력 모델링

김종규 컴퓨터공학과 2019.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근의 SoC(System-on-Chip) 설계에서 반도체 공정 기술의 발달로 동적 전력보다 누설 전력 소모량의 비중이 커지고 있다. 이에 따라 누설 전력에 대한 최적화 요구가 증가하고 있다. 이러한 누설 전력을 최적화하기 위해서는 빠르고 정확한 누설 전력 분석이 필요하다. 본 논문에서는 입력 정적 확률을 기반으로 한 상위수준 누설 전력 모델을 제안한다. 기존 전력 분석 기술들은 게이트 수준을 기반으로 한다. 상위수준 전력 모델링은 게이트 수준이 아닌 상위수준에서 회로의 전력 소모량을 계산하는 기술이다. 회로 입력의 정적 확률은 입력이 일정 시간 동안 1을 가지는 확률이다. 그리고 게이트의 누설 전력은 게이트의 입력값에 종속된다. 그러므로 게이트의 누설 전력은 입력 적정 확률의 수식으로 나타낼 수 있다. 해당 수식은 선형 회귀 분석을 이용한 간단한 수식이다. 또한, 누설 전력 모델의 일정한 신뢰성을 유지하기 위해, 선형 회귀 분석을 위한 학습 입력 벡터를 생성하는 알고리즘을 제안한다. 본 논문에서는 게이트 수준에서 로직 게이트의 전력 분석을 계산하는 수식으로부터 누설 전력 모델의 선형 수식을 유도하는 과정을 설명한다. 그리고 로직 게이트의 누설 전력 모델을 조합 회로로 확장한다. 실험 결과 ISCAS85 조합 회로들에 대해서 최소 정확도 95%를 보였다.
마지막으로 본 논문에서는 회로의 누설 전력 소모의 형태가 비선형적일 때에, 입력 정적 확률과 선형 회귀 분석을 이용한 단순 선형 방정식으로는 정확도에서 부족한 부분을, 구간 선형성을 이용한 누설 전력 모델을 제안하여 정확도를 높였다. 실험 결과 최소 정확도가 97%로 증가하였다. 제안하는 누설 전력 모델은 회로의 입력의 개수가 n개 일 때, n+1개의 수식 항을 갖는다. 그러므로 전력 분석을 빠르게 수행할 수 있다. 제안하는 누설 전력 모델의 전력 분석 속도에 대해서 실험 결과 게이트 수준 전력 분석 대비 217.9배 빠르게 전력을 분석한다.

In recent SoC(System-on-Chip) designs, the ratio of leakage to dynamic power consumption is increasing as the semiconductor process technology evolves. Consequently, the demand for leakage power optimization is increasing. To optimize leakage power, it is necessary to analyze leakage power quickly and accurately. In this paper, we propose a high-level leakage power model based on input static probability. Existing power analysis technologies are based on gate-level power models. A high-level power modeling is a technique that captures the power behavior of a circuit at higher level of abstraction than the gate-level. The static probability of a circuit input is the probability that the input has the logic value 1 for a period of time. The leakage power of a gate is largely dependent on the value of the gate inputs. Thus, the leakage power of a gate can be represented by an equation of the input static probabilities. The equation is simplified by the linear regression analysis. We also propose an algorithm that finds a training input vector for linear regression analysis, so that it can maintain constant reliability of the leakage power model. In this paper, we describe the process of deriving a linear equation of the leakage power model from the equations that calculate the gate-level leakage power of the logic gate. The leakage power model for the logic gates are extended to the combination circuits. Experimental results show a minimum accuracy of 95% or more for the ISCAS85 circuit.
Finally, we propose the leakage power model using piece-wise linear equations for more accuracy than simple linear equation using input static probabilities and linear regression when address the non-linear properties of leakage power behavior of a circuit. Experimental results showed that the minimum accuracy increased to 97%. The proposed leakage power model has a linear equation with n+1 mathematical expression when the circuit input is n. Therefore, it is possible to analyze the power quickly. Experimental results show that the leakage power analysis with the proposed power model is 217.9 times faster than the existing one with the gate level power model.

제 1 장 서 론 1
제 2 장 전력 모델링 기술 및 누설 전력 계산 11
2.1 설계 수준별 전력 분석 기술 소개 11
2.2 상위수준 전력 모델링 15
2.3 상위수준 전력 모델링 관련 연구 17
2.4 누설 전류 24
2.5 누설 전력 소모 비율의 증가 28
2.6 게이트 수준의 누설 전력 계산 31
제 3 장 입력 정적 확률과 선형 회귀 분석을 이용한 누설 전력 모델링 34
3.1 입력 정적 확률을 이용하게 된 연구 동기 34
3.1.1 입력 벡터에 종속된 누설 전류 35
3.1.2 입력 정적 확률을 이용한 누설 전력 계산 39
3.2 논리 게이트의 누설 전력 모델링 45
3.2.1 입력 정적 확률과 선형 회귀 분석을 이용한 누설 전력 모델유도 45
3.2.2 선형 회귀 분석을 위한 학습 입력 벡터 생성 51
3.3 조합 회로의 누설 전력 모델링 53
3.3.1 입력 정적 확률을 이용한 누설 전력의 선형성 증명 53
3.3.2 입력 정적 확률의 전파를 통한 조합 회로의 누설 전력 모델링 56
3.4 실험 결과 59
3.4.1 로직 게이트에 대한 실험 환경 및 결과 59
3.4.2 조합 회로에 대한 실험 환경 및 결과 64
제 4 장 구간 선형성을 이용한 조합 회로의 누설 전력 모델링 73
4.1 단순 구간을 이용한 누설 전력 모델링의 한계 74
4.2 다중 구간(piece-wise)을 이용한 누설 전력 모델링 76
4.3 다중 구간을 이용한 누설 전력 모델의 실험 결과 80
제 5 장 결 론 86
참 고 문 헌 89

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)