DALI-PD：基于扩散模型的物理设计中合成布局热图生成
机器学习
2025-07-16 v1 人工智能
硬件体系结构
摘要
机器学习（ML）在 various physical design（PD）任务中展现出巨大的潜力。然而，由于高质量大规模训练数据集的稀缺，模型的通用性受限。创建此类数据集通常计算昂贵且受知识产权限制。虽然极少数公开数据集可用，但它们通常是静态的、生成缓慢且需要频繁更新。为克服这些限制，我们提出DALI-PD，这是一个用于加速PD研究中机器学习的可扩展框架，用于生成合成布局热图。DALI-PD采用扩散模型通过秒级快速推理生成多样化布局热图。这些热图包括功率、IR降落、拥堵、宏置放和细胞密度地图。使用DALI-PD，我们创建了一个包含超过20,000个布局配置的数据集，涵盖不同宏数量和置放方式。这些热图 closely resemble real layouts，并提高了IR降落或拥堵预测等下游机器学习任务的准确度。
引用
@article{arxiv.2507.10606,
title = {DALI-PD: Diffusion-based Synthetic Layout Heatmap Generation for ML in Physical Design},
author = {Bing-Yue Wu and Vidya A. Chhabria},
journal= {arXiv preprint arXiv:2507.10606},
year = {2025}
}
备注
Under review at Asia and South Pacific Design Automation Conference (ASP-DAC'26)