针对集成电路中静态 IR 降的弱点感知通道注意力机制
机器学习
2025-07-28 v1 人工智能
计算机视觉与模式识别
摘要
精确预测电源完整性问题（如IR降）在可靠的VLSI设计中至关重要。然而，传统基于仿真的求解器计算昂贵且难以扩展。我们通过将IR降估计重新表述为基于电路布局中异构多通道物理图的像素级回归任务来解决这一挑战。先前基于学习的方法对所有输入层（如金属、通孔和电流图）相等地待遇，忽略了其对预测准确性的不同重要性。为此，我们提出一种新颖的弱点感知通道注意力（WACA）机制，通过两阶段门控策略递归增强弱特征通道同时抑制过主导通道。集成到基于ConvNeXtV2的注意力U-Net中， Our方法实现了自适应且均衡的特征表示。在公开的ICCAD-2023基准测试中，我们的方法在ICCAD-2023赛获冠军方面以61.1%降低均方误差和71.0%提升F1分数取得优异成绩。这一结果表明，通道级异构性是VLSI物理布局分析中的关键归纳偏置。
引用
@article{arxiv.2507.19197,
title = {WACA-UNet: Weakness-Aware Channel Attention for Static IR Drop Prediction in Integrated Circuit Design},
author = {Youngmin Seo and Yunhyeong Kwon and Younghun Park and HwiRyong Kim and Seungho Eum and Jinha Kim and Taigon Song and Juho Kim and Unsang Park},
journal= {arXiv preprint arXiv:2507.19197},
year = {2025}
}
备注
9 pages, 5 figures