基于强化学习的宏单元布局研究
机器学习
2021-09-07 v1 人工智能
摘要
在物理设计中,人类设计者通常通过试错来放置宏单元,这是一个马尔可夫决策过程。强化学习(RL)方法已在宏单元布局上展现出超越人类的表现。本文中,我们提出了对先前工作(Mirhoseini 等人,2020)的扩展。我们首先描述了策略网络与价值网络架构的细节。我们在 RL 环境中用 DREAMPlace 替代力导向方法来放置标准单元。我们还在公开基准上将改进后的方法与其它学术布局器进行了比较。
引用
@article{arxiv.2109.02587,
title = {Delving into Macro Placement with Reinforcement Learning},
author = {Zixuan Jiang and Ebrahim Songhori and Shen Wang and Anna Goldie and Azalia Mirhoseini and Joe Jiang and Young-Joon Lee and David Z. Pan},
journal= {arXiv preprint arXiv:2109.02587},
year = {2021}
}
备注
Accepted at 3rd ACM/IEEE Workshop on Machine Learning for CAD (MLCAD)