چکيده
طراحي تراشه با يادگيري ماشين (ML) به طور گسترده اي براي دستيابي به طرح هاي بهتر، هزينه هاي كمتر در زمان اجرا و بدون فرآيند انسان در حلقه مورد بررسي قرار گرفته است. با اين حال، با هزاران كار، فقدان پيوندهاي واضحي بين الگوريتم‌هاي ML و مشكلات هدف وجود دارد كه باعث ايجاد شكاف بزرگي در درك پتانسيل و امكان ML در طراحي تراشه هاي آينده مي‌شود. اين پژوهش به طور جامع مطالعات موجود در طراحي تراشه با ML را از ديدگاه الگوريتم بررسي مي‌كند. براي دستيابي به اين هدف، ابتدا يك طبقه‌بندي جديد و سيستماتيك پيشنهاد مي‌كنيم كه مشكلات هدف در طراحي تراشه را به سه دسته تقسيم مي‌كند. سپس، براي حل مسائل هدف با الگوريتم‌هاي ML، سه دسته را به‌عنوان سه مسئله ML فرموله مي‌كنيم. بر اساس طبقه بندي، ما يك بررسي جامع از نظر مشكلات هدف بر اساس الگوريتم هاي مختلف ML انجام مي دهيم. در نهايت، ما سه چالش كليدي را براي مطالعات موجود نتيجه‌گيري مي‌كنيم و چندين بينش را براي توسعه آينده طراحي تراشه با يادگيري ماشين برجسته مي‌كنيم. با ايجاد پيوندي واضح بين مشكلات طراحي تراشه و راه‌حل‌هاي ML، اميدواريم اين نظرسنجي بتواند مسير هوشمندسازي طراحي تراشه را از اتوماسيون طراحي تراشه قبلي روشن كند.
