大まかに4つに分類することができる。
- 意思決定
- 性能予測
- ブラックボックス最適化
- 自動設計
| MLの使い方 | タスク/活用段階 | MLアルゴリズム | インプット | アウトプット | 参考リンク |
| 意思決定 | HLS設計空間探索 | 決定木、多項式回帰 など | ハード指令e.g. 初期状態、終了条件 | ハイパーパラメータの品質（例：初期状態、終了条件など | |
| ロジック合成 | DNN | RTL記述 | ワークフローとオプティマイザーの選択 | ||
| マスク合成 | CNN | レイアウト画像 | 最適化手法の選択 | ||
| 性能予測 | アナログトポロジー設計 | CNN、ファジー など | アナログスペック | 最良トポロジーの選択 | |
| HLS | 線形回帰、SVM、ランダムフォレスト、XGブースト など | H LSレポート、ワークロード性質、ハードウェア性質 | リソース使用、タイミング など | ||
| 配置とルーティング | SVM、CNN、GAN、MARS、ランダムフォレスト など | ネットリストやレイアウト画像の特徴量 | ワイヤ長、ルーティング、輻輳 など | ||
| 物理実装（リソグラフィーホットスポット探知、IR欠落予測） | SVM、CNN、XGブースト、GAN など | RTL・ゲートレベル記述、技術ライブラリ、物理実装コンフィグ | リソグラフィーホットスポットの存在、IR欠落、パス遅延バリエーション | ||
| 検証 | KNN、ONN、GCN、ルール学習、SVM、CNN | テスト仕様セット、低コストスペック | ブーリアン パス/フェール予測 | ||
| デバイスサイズ決定 | ANN | デバイスパラメータ | 制約充足の可能性 | ||
| ブラックボックス最適化 | HLS設計空間探索 | ランダムフォレスト、ガウシアンプロセス、アンサンブルモデル など | HLS設計のハード指示 | 品質結果（レイテンシー、エリア など） | |
| 3D統合 | ガウシアンプロセス、NN | 物理設計コンフィグ | クロックスキュー、熱性能 など | ||
| 設計自動化 | ロジック統合 | 強化学習、GCN | ロジック関数のゲートレベルDAG | エリア、レイテンシー など | |
| 配置 | 強化学習、GCN | マクロ配置 | ワイヤ長、輻輳 など | ||
| マスク合成 | GAN、CNN、決定木、辞書学習 | RTL・ゲートレベル記述、レイアウト画像 | 光学近接補正（OPC）、サブ解像度アシスト機能（SRAF）の生成 | ||
| デバイスサイズ決定 | 強化学習、GCN、DNN、SVM | デバイスパラメータ | 設計制約の充足性 |