用 AI 教导芯片想象黑丝，中科大王杰拔擢团队、华为诺亚实验室、天津大学提议全新芯片宏单位布局优化方法LaMPlace！

往日芯片想象可能是先放好再看恶果，面前LaMPlace 能在"放"的期间就探讨最终性能，比如电路运行速率若何样（WNS、TNS 这些盘算推算），这么能免却背面许多长途，让通盘这个词想象经由更快、更高效。

这为股东国产 EDA 用具的智能化、提速想象经由提供助力，也推动了芯片想象行业的"提前优化"趋势。

该论文已入选 ICLR 2025 Oral。

从"可优化"到"该优化"的 EDA 见解搬动

在当代芯片想象经由中，宏单位布局（Macro Placement）  是逻辑详尽之后首个面向物期许象的要害要道。它决定了大块 IP（如存储器、接口、硬核模块）在芯片平面上的空间位置，对后续的方法单位布局、时钟树详尽（CTS）、布线等要道具有迫切影响，从而决定芯片的时序性能、功耗与面积（PPA）施展。其中 Worst Negative Slack（WNS）与 Total Negative Slack（TNS）这类跨阶段物理盘算推算，是揣度想象是否得志时序握住、能否经常运行的最终方法。但由于这些盘算推算接续依赖后续 EDA 经由才气诡计，现存学习方法难以在布局阶段平直建模或优化它们。

现存责任大多领受如下中间盘算推看成为优化见解，如基于宏诡计的半周线长（macro HPWL）、密度（Density）或拥塞（Congestion）等。这些盘算推算天然诡计便捷，但与最终想象见解存在显赫偏离，导致傍观过程与本质优化见解不一致，从而截止了算法在真确芯片想象经由中的利用价值。

LaMPlace 的提议，恰是为了碎裂这一 Gap：通过引入结构可评释的盘算推算展望器，开导布局搜索平直"对接最终见解"，兑现芯片想象"左移优化"的新范式。

方法概览 | 可学习掩码驱动的布局搜索框架

LaMPlace 构建了一个以"结构化展望 + 掩码生成 + 贪念扬弃"为骨干的优化经由，或然将见解盘算推算（如 WNS/TNS）的信息在布局阶段前移，作为扬弃决议的依据。

方法合座包括三个要害口头：

1、结构化盘算推算展望器

离线傍观一个展望器，输入为面前布局的宏单位位置踱步，输出为多个跨阶段盘算推算（如 WNS、TNS 等）的算计值；

2、Laurent 多项式建模

将盘算推算函数神志建模为宏间距离的多项式，通盘所有这个词可学习，保执高效诡计与结构可评释性；

3、掩码生成与开导扬弃

将展望器输出革新为二维掩码（mask），揣度每个候选位置对盘算推算的影响，用作贪念式扬弃战术的搜索开导。

方法的合座框架如下图所示：

中枢时候 | Laurent 展望器与可学习掩码 1. Laurent 多项式建模见解函数

作家发现，EDA 盘算推算本色上依赖于宏之间的相对距离。因此，LaMPlace 将复杂的 EDA 盘算推算神志暗示成如下的 Laurent 多项式结构：

其中：

暗示某个见解盘算推算（如 TNS）；

为宏单位的位置；

为可学习的所有这个词，这些所有这个词由一个图神经鸠合（GNN）生成，暗示两个宏对见解盘算推算的相对影响，称为  Learnable Flows（L-Flows）。；

K 为一组预界说的指数集结，限度多项式阶数。

这种建模方式不仅普及了诡计遵守，更保留了盘算推算对布局结构的可评释性。

2. 掩码生成机制（Learnable Mask）

借助上述展望结构，团队为每一个待扬弃宏生成一个二维掩码：

横纵坐标暗示芯片平面上的位置；

每个位置的值暗示该位置对见解盘算推算的"边缘代价"；

掩码值越小，暗示该位置越适当扬弃。

最终，通过贪念战术，在掩码上轮番选址扬弃宏单位，构建高质地开动布局。

3. 易于集成、可拓展的优化模块

LaMPlace 不依赖特定搜索算法，它本色是一个 mask 开导模块，可镶嵌现存系统中作为 plug-in 模块，与多种布局优化范式衔尾，举例黑盒优化器（BBO）、强化学习战术（RL）等。在实验中，作家展示了其与 WireMask-EA 框架 [ 3 ] 衔尾后的增益，考据了该方法的通用性。

实验结束简述

LaMPlace 在方法芯片布局基准 ICCAD 2015 上展现了优异的性能，或然显赫普及跨阶段要害盘算推算如时序握住性、拥塞等，且在未见过的新想象上也曾保执踏实性能，体现出深重的泛化才略。

该方法具备深重的模块化特色，或然机动镶嵌现存布局优化框架中，成为推动 EDA 想象经由"左移优化"的有劲用具。

LaMPlace 展示了一种结构建模与学习开导相衔尾的灵验范式，为 AI 在芯片想象中的深刻利用提供了新的想路。

作家先容

本论文作家耿子介是中国科学时候大学 MIRA 实验室 2022 级博士生，师从王杰拔擢。此前，他于 2022 年毕业于少年班学院，取得数学与利用数学专科学士学位。他的主要酌量标的包括机器学习在运筹优化与芯片想象等领域的利用、大谈话模子等。他在 NeurIPS、ICML、ICLR 等东谈主工智能顶级会议上发表论文十余篇，其中五篇论文入选 Oral/Spotlight。他曾获 2024 年度国度奖学金；曾两次赢得丘成桐大学生数学竞赛优越奖；曾在微软亚洲酌量院实习，赢得"明日之星"称呼；曾屡次担任顶会审稿东谈主，获评 NeurIPS 2023 Top 审稿东谈主；参与创办南京真则鸠合科技有限公司。

论文地址：

openreview.net/pdf?id=YLIsIzC74j

一键三连「点赞」「转发」「防御心」

接待在挑剔区留住你的想法！

—  完  —

学术投稿请于责任日发邮件到：

ai@qbitai.com

标题注明【投稿】，告诉咱们：

你是谁，从哪来，投稿内容‍

附上论文 / 款式主页汇注，以及干系方式哦

咱们会（尽量）实时恢复你

� � 点亮星标 � �

科技前沿进展逐日见黑丝