基于线长掩码引导黑盒优化的宏单元布局
机器学习
2023-10-30 v3
摘要
超大规模集成(VLSI)技术的发展给芯片布图规划中的电子设计自动化(EDA)技术带来了新挑战。在此过程中,宏单元布局是一个重要的子问题,旨在确定所有宏单元的位置以最小化半周长线长(HPWL)并避免重叠。此前的方法包括基于打包、解析和强化学习的方法。本文中,我们提出一种新的黑盒优化(BBO)框架(称为WireMask-BBO)用于宏单元布局,通过使用线长掩码引导的贪心过程进行目标评估。配备不同BBO算法后,WireMask-BBO经验性地相较此前方法取得显著改进,即利用远少的时间实现显著更短的HPWL。此外,它可通过将已有布局作为初始解进行微调,带来高达50%的HPWL改进。WireMask-BBO有潜力显著提升芯片布图规划的质量与效率,对EDA领域的研究者与从业者具有吸引力,并将促进BBO的应用。我们的代码见https://github.com/lamda-bbo/WireMask-BBO。
引用
@article{arxiv.2306.16844,
title = {Macro Placement by Wire-Mask-Guided Black-Box Optimization},
author = {Yunqi Shi and Ke Xue and Lei Song and Chao Qian},
journal= {arXiv preprint arXiv:2306.16844},
year = {2023}
}
备注
Update NeurIPS'23 camera ready version