面向人类约束下直线型宏单元布局的强化学习方法
机器学习
2023-11-08 v1 人工智能
硬件体系结构
人机交互
摘要
宏单元布局是芯片设计的关键阶段，当涉及通用直线型宏单元与布局区域时变得更为复杂。此外，融入类人约束（如设计层次与边缘偏置）的宏单元布局有望显著减少设计人员所需的额外手工劳动。本研究提出一种方法，利用Google的Circuit Training（G-CT）所建议的思路，提供基于学习的宏单元布局器，不仅支持直线型情形放置，还遵循关键的类人设计原则。实验结果表明，我们的框架在实现功耗-性能-面积（PPA）指标及获得高质量布局（可与人工干预所得相媲美）方面均有效。此外，我们的方法展现出作为通用模型的潜力，可应对多样的宏单元形状与布局区域。
引用
@article{arxiv.2311.03383,
title = {Toward Reinforcement Learning-based Rectilinear Macro Placement Under Human Constraints},
author = {Tuyen P. Le and Hieu T. Nguyen and Seungyeol Baek and Taeyoun Kim and Jungwoo Lee and Seongjung Kim and Hyunjin Kim and Misu Jung and Daehoon Kim and Seokyong Lee and Daewoo Choi},
journal= {arXiv preprint arXiv:2311.03383},
year = {2023}
}
备注
Fast ML for Science @ ICCAD 2023