This paper propose a fast and accurate eye-height and eye-width estimation methods based on deep neural network. The proposed method estimate the eye-height and eye-width fast and accurately by simply reducing the complicated process from design parameters to eye-height and eye-width. Unlike previous methods, the proposed method does not require any additional simulation, so eye-height and eye-width estimation are performed in a few seconds. In addition, various methods were used to optimize the proposed model to lower the error rate and accurately estimate eye-height and eye-width. In this study,the proposed method was applied in PCB size channel and memory channels of HBM interposer. This is a fast and accurate way to estimate eye-height and eye-width of various high-speed channels. At the same time, it is easy to estimate eye-height and eye-width even on channels containing various noises such as crosstalk or ISI. This study was applied to the HBM interposer memory channel and the proposed eye-height and eye-width estimation method of this study is faster and more accurate than the previous eye-height and eye-width estimation methods.
이 논문에서는 심층 신경망 기반의 빠르고 정확한 아이-높이와 아이-폭 추정 방법을 다루었습니다. 심층신경망으로 설계 변수에서부터 아이-높이와 아이-폭까지의 복잡한 과정을 간단하게 줄여 빠르고 정확하게 아이-높이와 아이-폭을 예측하는 방법을 제안하였습니다. 제안된 방법은 이전의 방법들과 달리 추가적인 시뮬레이션이 필요하지 않아 보다 빠르게 아이-높이와 아이-폭을 추정하였습니다. 또한 다양한 방법들을 사용하여 제안된 모델을 최적화하여 에러율을 낮춰 정확하게 아이-높이와 아이-폭을 추정하였습니다. 본 연구에서는 특정한 채널이 아닌 다양한 채널에서의 아이-높이와 아이-폭을 예측하기 위해서 PCB 크기의 채널부터 HBM 인터포저 크기의 메모리 채널까지 설계하고 적용하였습니다. 이런 다양한 고속 채널의 아이-높이와 아이-폭에 대해 빠르고 정확하게 추정하였습니다. 동시에 크로스톡이나 ISI와 같은 채널에서 나타나는 다양한 노이즈들까지 포함한 채널에서도 쉽게 아이-높이와 아이-폭을 추정하였습니다. 본 연구를 HBM 인터포저 메모리 채널에 적용하여 분석하였고, 본 연구의 아이-높이, 아이-폭 예측 방법이 기존의 아이-높이, 아이-폭 예측방법보다 빠름과 동시에 정확하다는 것을 보였습니다.
