LMM-IR：面向大规模网表的多模态框架用于静态 IR 电压降预测
机器学习
2025-11-18 v1
摘要
静态 IR 电压降分析是芯片设计领域的基础且关键任务。然而，该过程可能需要数小时时间。此外，解决 IR 电压降违规常常需要进行迭代分析，从而导致计算负担。因此，快速准确的 IR 电压降预测对于减少芯片设计的总时间至关重要。本文我们首先提出了一种新型多模态方法，通过大规模网表变换器 (LNT) 高效处理 SPICE 文件。我们的关键创新是将网表拓扑表示为 3D 点云，从而高效处理包含数十万到数百万节点的网表。所有类型的数据，包括网表文件和图像数据，都被编码为特征并输入模型进行静态电压降预测。这使得能够整合来自多个模态的数据进行互补预测。实验结果表明，我们提出的算法在 ICCAD 2023 大赛获胜团队和最先进算法中，实现了最佳 F1 分数和最低的平均绝对误差 (MAE)。
引用
@article{arxiv.2511.12581,
title = {LMM-IR: Large-Scale Netlist-Aware Multimodal Framework for Static IR-Drop Prediction},
author = {Kai Ma and Zhen Wang and Hongquan He and Qi Xu and Tinghuan Chen and Hao Geng},
journal= {arXiv preprint arXiv:2511.12581},
year = {2025}
}