NeuroSteiner: 用于线长估计的图转换器
机器学习
2024-07-08 v1 机器学习
摘要
芯片组件在画布上布局以最小化线长（WL）是物理设计的核心目标。计算最小 WL 的布局需要寻找矩形 Steiner 最小树（RSMT），这是一个 NP 难问题。我们提出了 NeuroSteiner，一种神经网络模型，通过蒸馏 GeoSteiner——一个最优 RSMT 求解器——来导航 WL 估计的性能与精度之间的权衡。NeuroSteiner 在由 GeoSteiner 生成的合成网络上进行训练，减轻了在真实芯片设计上训练的需求。此外，NeuroSteiner 的可微性允许通过梯度下降来最小化 WL 实现布局。在 ISPD 2005 和 2019 上，NeuroSteiner 可获得 0.3% 的 WL 误差，速度比 GeoSteiner 快 60%，或 0.2% 和 30%。
引用
@article{arxiv.2407.03792,
title = {NeuroSteiner: A Graph Transformer for Wirelength Estimation},
author = {Sahil Manchanda and Dana Kianfar and Markus Peschl and Romain Lepert and Michaël Defferrard},
journal= {arXiv preprint arXiv:2407.03792},
year = {2024}
}
备注
Work-in-Progress poster at the 2024 Design and Automation Conference (DAC'24)