ChiPFormer：基于离线 Decision Transformer 的可迁移芯片布局
机器学习
2023-08-02 v2 人工智能
摘要
布局是现代芯片设计中的关键步骤，旨在确定电路模块在芯片画布上的位置。近期工作表明，强化学习（RL）能够提升人类在芯片布局上的表现。然而，此类基于 RL 的方法存在训练时间长、在未知芯片电路上迁移能力低的问题。为应对这些挑战，我们将芯片布局表述为离线 RL 形式，并提出 ChiPFormer，其能够从固定的离线数据中学习可迁移的布局策略。ChiPFormer 具有先前方法所不具备的若干优势。首先，ChiPFormer 可利用离线布局设计，在多任务设定下更高效地学习可迁移策略。其次，ChiPFormer 能够促进针对未知芯片电路的有效微调，将布局运行时间从数小时缩短至数分钟。第三，在 32 个芯片电路上的大量实验表明，与近期最先进的方法相比，ChiPFormer 在公开基准和真实工业任务中均实现了显著更优的布局质量，同时将运行时间减少了 10 倍。相关交付物发布于 https://sites.google.com/view/chipformer/home。
引用
@article{arxiv.2306.14744,
title = {ChiPFormer: Transferable Chip Placement via Offline Decision Transformer},
author = {Yao Lai and Jinxin Liu and Zhentao Tang and Bin Wang and Jianye Hao and Ping Luo},
journal= {arXiv preprint arXiv:2306.14744},
year = {2023}
}