破百億晶體管難題，南大錢超團(tuán)隊斬獲EDA頂會最佳論文，引領(lǐng)AI領(lǐng)域新革命
在芯片設(shè)計領(lǐng)域，為多達(dá)百億量級晶體管設(shè)計最優(yōu)布局，一直是一個難解的技術(shù)難題。近日，南京大學(xué)人工智能學(xué)院的LAMDA組錢超教授團(tuán)隊在電子設(shè)計自動化（EDA）領(lǐng)域的頂級國際學(xué)術(shù)會議DATE 2025上發(fā)表的論文「Timing-Driven Global Placement by Efficient Critical Path Extraction」，以其創(chuàng)新的時序驅(qū)動布局方法，巧妙地將效率和精度統(tǒng)一起來，成功解決了這一難題，并獲得了最佳論文獎。這一突破性的研究成果，無疑為AI領(lǐng)域帶來了一場新的革命。
首先，讓我們了解一下EDA行業(yè)的重要性。電子設(shè)計自動化（EDA）是芯片設(shè)計的基石產(chǎn)業(yè)，被譽為「芯片之母」。隨著人工智能、物聯(lián)網(wǎng)、云計算等技術(shù)的飛速發(fā)展，芯片設(shè)計行業(yè)對EDA工具的需求日益增長。而布局是芯片設(shè)計流程中的關(guān)鍵步驟之一，直接影響到芯片的性能、功耗、面積等多個方面。因此，如何設(shè)計出最優(yōu)的布局方案，一直是芯片設(shè)計行業(yè)面臨的重要挑戰(zhàn)。
在此背景下，南大錢超團(tuán)隊的研究成果可謂振奮人心。他們提出了一種全新的時序驅(qū)動布局方法，將效率和精度統(tǒng)一起來。該方法的核心在于「智能關(guān)鍵路徑提取」技術(shù)，能夠快速定位需要優(yōu)化的關(guān)鍵路徑，將分析速度提升了6倍。這一創(chuàng)新方法相較于傳統(tǒng)的基于線網(wǎng)的加權(quán)方案，在時序分析中實現(xiàn)了6倍加速，同時還能精確捕捉時序違例路徑上的引腳對來建模時序信息，顯著提升時序指標(biāo)的同時，幾乎不造成整體線長的損失。
更為值得一提的是，該論文在ICCAD-2015競賽數(shù)據(jù)集上進(jìn)行了廣泛的對比，相較于最先進(jìn)的開源布局算法DREAMPlace 4.0，在TNS指標(biāo)上達(dá)到了60%的平均提升。這一顯著提升無疑證明了南大錢超團(tuán)隊的創(chuàng)新方法在實際應(yīng)用中的優(yōu)越性。
然而，這一成果的取得并非一蹴而就。錢超教授團(tuán)隊長期努力，希望能夠建立起相應(yīng)理論基礎(chǔ)，并對算法設(shè)計給出指導(dǎo)。他們在2019年出版的專著《Evolutionary Learning: Advances in Theories and Algorithms》中，總結(jié)了他們在該方向上過去二十年的主要工作。這種對理論研究的重視和投入，無疑為團(tuán)隊的創(chuàng)新提供了堅實的支撐。
除了理論支持，南大錢超團(tuán)隊還基于長期理論研究，設(shè)計出了多個原創(chuàng)領(lǐng)先算法。這些算法針對芯片設(shè)計中的復(fù)雜優(yōu)化問題，如宏元件布局、全局布局、宏元件布局問題等，取得了顯著的提升。例如，團(tuán)隊在NeurIPS’23發(fā)表的工作「Macro Placement by Wire-Mask-Guided Black-Box Optimization」，通過訓(xùn)練策略對已有布局進(jìn)行高效微調(diào)，在時序和擁塞等指標(biāo)上均取得了一致的顯著提升；在DAC’25發(fā)表的工作「ReMaP: Macro Placement by Recursively Prototyping and Periphery-Guided Relocating」將大量專家知識引入算法，優(yōu)化了宏元件和標(biāo)準(zhǔn)元件的數(shù)據(jù)流，更加符合工業(yè)界的實際需求。
這些技術(shù)在華為海思落地驗證，攻克了華為「EDA 專題難題：超高維空間多目標(biāo)黑盒優(yōu)化技術(shù)」，將芯片寄存器尋優(yōu)效率平均提升22.14倍等。這些成果不僅展示了南大錢超團(tuán)隊的實力，也表明了他們在推動AI技術(shù)在芯片設(shè)計領(lǐng)域的應(yīng)用方面做出了重要貢獻(xiàn)。
總的來說，南大錢超團(tuán)隊在DATE 2025上的突破性成果，無疑為AI領(lǐng)域帶來了一場新的革命。他們的創(chuàng)新方法和領(lǐng)先算法，不僅提升了芯片設(shè)計的效率和質(zhì)量，也為其他領(lǐng)域的應(yīng)用提供了新的思路和可能。我們期待他們在未來的研究中取得更多的突破性成果，為推動人工智能的發(fā)展做出更大的貢獻(xiàn)。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
