SuperFlow：面向绝热量子流量参数tron 超导电路的全自定义 RTL-to-GDS 设计自动化流
计算机视觉与模式识别
2024-07-26 v1 机器学习
摘要
超导电路如绝热量子流量参数tron (AQFP) 具有卓越的能源效率，但在物理设计过程中面临复杂的间距和时序约束挑战。当前设计工具往往忽视整个设计流程中约束遵从的重要性。本文提出 SuperFlow，一个为 AQFP 设备量身定制的完整 RTL-to-GDS 设计自动化流。SuperFlow 利用基于 CMOS 技术的综合工具，将任意输入 RTL 网表转换为基于 AQFP 的网表。随后，我们构构了一种新颖的布置与路由程序，同时考虑线长、时序和可路由性用于 AQFP 电路。过程最终生成 AQFP 电路布局，并进行设计规则检查 (DRC) 以识别并纠正任何布局违规。我们的实验结果表明，SuperFlow 在平均情况下比现有面向 AQFP 电路的前沿布置器实现了 12.8% 的线长改进和 12.1% 的时序质量提升。
引用
@article{arxiv.2407.18207,
title = {Geometry Fidelity for Spherical Images},
author = {Anders Christensen and Nooshin Mojab and Khushman Patel and Karan Ahuja and Zeynep Akata and Ole Winther and Mar Gonzalez-Franco and Andrea Colaco},
journal= {arXiv preprint arXiv:2407.18207},
year = {2024}
}
备注
Accepted at ECCV 2024