NSF人工智能电子设计自动化研讨会报告
机器学习
2026-04-27 v4 人工智能
硬件体系结构
摘要
本报告总结了2024年12月10日在温哥华与NeurIPS 2024同期举行的NSF人工智能电子设计自动化(EDA)研讨会的讨论和建议。研讨会汇集了机器学习和EDA领域的专家，探讨了人工智能——包括大语言模型(LLMs)、图神经网络(GNNs)、强化学习(RL)、神经符号方法等——如何促进EDA并缩短设计周期。研讨会包含四个主题：(1) 人工智能用于物理综合和可制造性设计(DFM)，讨论物理制造过程中的挑战和潜在的人工智能应用；(2) 人工智能用于高级综合和逻辑级综合(HLS/LLS)，涵盖编译指示插入、程序转换、RTL代码生成等；(3) 用于优化和设计的人工智能工具箱，讨论可能应用于EDA任务的前沿人工智能发展；(4) 人工智能用于测试和验证，包括LLM辅助验证工具、机器学习增强的SAT求解、安全/可靠性挑战等。报告建议NSF促进人工智能/EDA合作，投资人工智能基础研究以用于EDA，开发稳健的数据基础设施，推广可扩展的计算基础设施，并投资于人才培养以普及硬件设计并实现下一代硬件系统。研讨会信息可在网站https://ai4eda-workshop.github.io/上找到。
引用
@article{arxiv.2601.14541,
title = {Report for NSF Workshop on AI for Electronic Design Automation},
author = {Deming Chen and Vijay Ganesh and Weikai Li and Yingyan Celine Lin and Yong Liu and Subhasish Mitra and David Z. Pan and Ruchir Puri and Jason Cong and Yizhou Sun},
journal= {arXiv preprint arXiv:2601.14541},
year = {2026}
}
备注
Accepted by IEEE Circuits and Systems Magazine (2026). This is the accepted version. The published version is available at https://ieeexplore.ieee.org/document/11466406