基于有监督注意力策略模型的轨迹分配详细布线
机器学习
2020-10-27 v1 人工智能
摘要
详细布线是模拟电路设计中最关键的步骤之一。在先进节点模拟电路中，完整布线变得愈发困难，使得高效自动布线器的进展愈发必要。本工作中，我们提出一种机器学习驱动的方法，用于解决先进节点模拟电路的轨迹分配详细布线问题。我们的方法采用基于注意力的强化学习（RL）策略模型。相较于该 RL 模型，我们的主要见解与进展在于使用监督来利用常规遗传算法（GA）生成的解决方案。为此，我们的方法最小化 RL 策略模型输出与遗传求解器获得的解决方案分布之间的 Kullback-Leibler 散度损失。该方法的关键优势在于，布线器可在带监督的离线设置中学习策略，同时将运行时间性能较遗传求解器提升近 100 倍。此外，我们方法所生成解的质量与 GA 生成的解相当。我们表明，尤其对于复杂问题，我们的有监督 RL 方法能提供与常规基于注意力的 RL 相近的优质解，且不牺牲运行时间性能。从示例设计中学习并训练布线器以极小的运行时间代价获得类似解的能力，可显著影响设计流程，并有望实现更多的设计探索与可布线驱动的布局。
引用
@article{arxiv.2010.13702,
title = {Track-Assignment Detailed Routing Using Attention-based Policy Model With Supervision},
author = {Haiguang Liao and Qingyi Dong and Weiyi Qi and Elias Fallon and Levent Burak Kara},
journal= {arXiv preprint arXiv:2010.13702},
year = {2020}
}