10.3.1 机器学习在布局布线中的应用

文档摘要

10.3.1 机器学习在布局布线中的应用在芯片设计的浩瀚星图中，布局布线（Place and Route, P&R）从来不是一条笔直的高速公路，而更像是一条穿行于量子峡谷与硅基迷宫之间的险峻隘道——每一步都需权衡线长、时序、功耗、拥塞、串扰与制造变异；每一次决策都牵动成千上万个单元的物理位置与互连路径；每一处微米级的偏移，都可能让一颗价值数亿美元的SoC在流片后陷入时序违例的深渊。传统EDA工具依赖多轮迭代的启发式算法：先用力导向（force-directed）粗略定位宏单元，再以模拟退火（Simulated Annealing）或遗传算法（GA）局部优化，最后靠详细布线器（detailed router）一格一格“填格子”。