基于循环强化学习与模拟退火的集成电路布局
人工智能
2020-11-17 v1 机器学习
摘要
随着集成电路（IC）技术的日益复杂，IC 的物理设计与制造正变得愈发具有挑战性。布局一直是 IC 物理设计中最关键的步骤之一。经过数十年的研究，基于划分、基于解析以及基于退火的布局器不断丰富了布局解决方案的工具箱。然而，包括运行时间长以及缺乏泛化能力在内的开放性挑战，持续限制着现有布局工具的更广泛应用。我们利用强化学习（RL）的进展，通过循环应用强化学习（RL）与模拟退火（SA），设计了一种基于学习的布局工具。结果表明，RL 模块能够为 SA 提供更好的初始化，从而带来更优的最终布局设计。与其他近期基于学习的布局器相比，我们的方法的主要不同之处在于其将 RL 与 SA 相结合。它利用了 RL 模型在训练后快速获得良好粗略解的能力，以及启发式算法在解中实现贪心改进的能力。
引用
@article{arxiv.2011.07577,
title = {Placement in Integrated Circuits using Cyclic Reinforcement Learning and Simulated Annealing},
author = {Dhruv Vashisht and Harshit Rampal and Haiguang Liao and Yang Lu and Devika Shanbhag and Elias Fallon and Levent Burak Kara},
journal= {arXiv preprint arXiv:2011.07577},
year = {2020}
}