Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Algorithm-Hardware Co-design of Efficient Large Graph Machine Learning for Electronic Design Automation
Proyek riset & pengembangan

CAREER: Algorithm-Hardware Co-design of Efficient Large Graph Machine Learning for Electronic Design Automation

Ringkasan tujuan riset

Desain algoritme-perangkat keras bersama dikembangkan untuk pelatihan graf rangkaian besar pada satu GPU dengan arsitektur reversible, partisi selektif, dan kernel khusus EDA.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2340273Periode tercatat 2024-05-01 sampai 2025-02-28.NSF 2340273MulaiAkhir tercatat202420262024-05-012025-02-28
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Karakter graf circuit ditelaah untuk partisi serta re-growth yang disesuaikan GPU. Arsitektur reversible bertile mengurangi memori pelatihan dan fungsi nonlinear maxK menekan komputasi. Pengetahuan EDA digabung optimasi perangkat keras untuk mencari primitif serta strategi kompresi GNN yang sesuai. Riset menargetkan prediksi power, performance, dan area lebih awal, dengan kemampuan menangani graf desain besar sebagai fokus evaluasi.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Connecticut
Program
Unallocated Program Costs, Software & Hardware Foundation
Periode pendanaan tercatat
2024-05-01 → 2025-02-28

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Division of Computing and Communication Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFTidak aktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.