一种基于PPA驱动的3D-IC分区选择框架
机器学习
2026-04-22 v1 硬件体系结构
摘要
3D-IC netlist分区通常使用代理目标进行优化，而最终PPA被视为代价高昂的评估而非优化信号。这种代理驱动的范式使得将额外的PPA评估可靠地转化为更好的PPA结果困难重重。为弥合这一差距，我们提出DOPP（D-Optimal PPA驱动分区选择），一种在代理与真实PPA指标之间架构的框架。在八个3D-IC设计中，我们的方法在Open3DBench上实现了PPA改进（平均相对改进：拥堵9.99%，布线线长7.87%，WNS7.75%，TNS21.85%，功耗1.18%）。与对完整候选集进行穷举评估相比，DOPP在仅评估少数候选方案的情况下即可实现相当于最佳找到的PPA，大幅降低了评估成本。通过并行化评估，我们的方法在保持与传统基线相当的 wall-clock运行时间的同时，实现了这些收益。
引用
@article{arxiv.2604.18806,
title = {A PPA-Driven 3D-IC Partitioning Selection Framework with Surrogate Models},
author = {Shang Wang and Shuai Liu and Owen Randall and Matthew E. Taylor},
journal= {arXiv preprint arXiv:2604.18806},
year = {2026}
}