8.1.1 基于强化学习的布局布线优化

文档摘要

8.1.1 基于强化学习的布局布线优化在芯片设计的深水区，布局布线（Placement & Routing, P&R）从来不是一道“解得出来就行”的数学题——它是一场在数十亿晶体管、上千个时序路径、数百种工艺约束之间走钢丝的精密平衡术。当传统算法在7nm以下节点频频失速：全局布线拥塞率预测误差超过35%，时序违例修复迭代次数突破20轮，功耗热点收敛周期动辄以周计……我们终于不得不承认：那个靠手工调参、靠经验直觉、靠“试错-回滚-再试错”驱动的P&R时代，正在不可逆地退场。而强化学习（Reinforcement Learning, RL），正以一种近乎挑衅的姿态闯入这个被EDA巨头牢牢把持了三十年的堡垒。它不满足于拟合静态规则，也不甘于局部梯度下降；