基于光束搜索提升模拟集成电路版图布局的强化学习
人工智能
2025-05-09 v1 机器学习
摘要
模拟集成电路（Analog ICs）的版图布局需要在复杂的权衡中进行决策，同时要考虑器件物理特性和电路的可变性，这使得基于学习方法的完全自动化难以实现。然而，近期强化学习（RL）已在解决版图布局问题方面取得显著成果。本文提出一种混合方法，将RL与光束搜索（Beam Search, BS）策略结合。BS算法增强了智能体的推理过程，使其能够通过调整各种目标权重来生成灵活的版图布局，而无需进行策略重新训练或微调。此外，RL智能体的泛化能力保持不变，同时能够高效处理电路特征和约束。实验结果显示，与标准RL应用相比，版图布局在面积、死空间和半周长线长方面分别提高了约5%-85%，同时智能体获得的奖励更高。此外，性能和效率与现有最先进技术相符。
引用
@article{arxiv.2505.05059,
title = {Enhancing Reinforcement Learning for the Floorplanning of Analog ICs with Beam Search},
author = {Sandro Junior Della Rovere and Davide Basso and Luca Bortolussi and Mirjana Videnovic-Misic and Husni Habal},
journal= {arXiv preprint arXiv:2505.05059},
year = {2025}
}
备注
Published in Proceedings of the 21st International Conference on Synthesis, Modeling, Analysis and Simulation Methods, and Applications to Circuit Design (SMACD 2025). 4 pages, 3 figures