学术论文网

  • 当前位置:主页 > 理工论文 > 计算机论文 > 正文>清华大学王宇等关于电子设计自动化的ML论文综述。* ACM TODAES收到180篇论文

    清华大学王宇等关于电子设计自动化的ML论文综述。* ACM TODAES收到180篇论文

    发布日期:2021-02-10 17:09 计算机论文

    近年来,随着机器学习的快速发展,它已经广泛而深入地应用于各行各业,包括电子设计自动化领域。机器学习技术在这一领域已经应用了二三十年,其间相关技术的进步为电子设计自动化任务提供了更好的解决方案。本文由清华大学王宇团队和香港中国北宇团队对机器学习技术在电子设计自动化领域的应用进行了全面综述,为读者了解该领域提供了非常好的学习指导。

    电子设计自动化(EDA)是指利用计算机辅助设计(CAD)软件完成功能设计、综合、验证、物理设计(包括版图、布线、版图、设计规则检查等)的设计方法。)的VLSI芯片。机器学习技术在EDA中的应用可以追溯到20世纪90年代,但是最近ML技术的突破性发展和EDA任务的日益复杂使得研究者对利用ML解决EDA任务越来越感兴趣。

    近日,清华大学电子工程系教授王宇和香港中文大学教师北宇就此话题撰写了长达44页的评论文章。本文被ACM TODAES杂志录用。

    电子设计自动化(EDA)作为应用计算机/电子工程的一个重要领域,有着悠久的历史,并且仍在积极集成前沿算法和技术。近年来,随着半导体技术的发展,集成电路的规模呈指数级增长,这对电路设计过程的可扩展性和可靠性提出了挑战。因此,EDA算法和软件在处理低延迟和大搜索空间时需要更加有效和高效。

    机器学习在我们的生活中起着重要的作用,被广泛应用于各种场景中。机器学习方法,包括传统算法和深度学习算法,在解决分类、检测和设计空间探索等问题上取得了惊人的成就。此外,机器学习方法显示出为许多在电子设计自动化领域中常见的NP完全(NPC)问题产生高质量解决方案的巨大潜力。传统的方法往往需要从零开始解决每一个问题,无法积累知识,导致大量时间和资源的浪费。机器学习方法侧重于提取高级特征或模式,这些特征或模式可以在其他相关或相似的场景中重用,从而避免重复的复杂分析。因此,机器学习方法的应用是加速EDA问题解决的一个有前途的方向。

    近年来,基于机器学习的电子设计自动化逐渐成为一个热门话题,研究人员提出了许多利用机器学习改进电子设计自动化方法的研究。这些研究几乎涵盖了芯片设计过程的所有阶段,包括设计空间缩减和探索、逻辑综合、布局、布线、测试、验证、制造等。

    在这篇综述论文中,作者将收集到的研究分为四类:传统方法中的决策、性能预测、黑盒优化和自动设计。

    机器学习在EDA中的应用从传统方法中的决策算法开始,即训练机器学习模型从可用的刀具链、算法或超参数中进行选择,而不是经验选择或暴力搜索。

    机器学习也可以用于性能预测,即基于先前实现的设计的数据库来训练模型,以预测新设计的质量,从而帮助工程师评估新设计,而不需要耗时的综合过程。

    它也可以更加自动化。EDA工具使用黑盒优化工作流,即设计空间探索(DSE)的全过程由机器学习理论支持的预测机器学习模型和采样策略指导。

    深度学习(DL)尤其是强化学习(RL)的最新发展,刺激了一些研究,这些研究将具有巨大设计空间的复杂设计任务完全自动化,即以在线形式学习、执行和调整预测模型和策略,展现了人工智能(AI)辅助自动化设计的美好前景。

    本文对近年来通过机器学习解决重要EDA问题的研究进行了全面综述,涉及的研究大多是最近五年的工作。论文主要部分的结构如下:

    第3章到第5章:介绍EDA工艺不同阶段的研究,包括高级综合、逻辑综合、物理设计(版图和布线)和掩膜综合。

    第八章:其他高度相关的研究,包括SAT求解器的机器学习和加速EDA使用深度学习引擎;

    第十章:总结EDA现有的机器学习方法,并重点阐述该领域未来的发展趋势。

    高级综合(HLS)工具提供了从基于C/C /SystemC的规范到硬件描述语言(如Verilog或VHDL)的自动转换。工业界和学术界开发的HLS工具大大提高了定制硬件设计的生产率。高质量的HLS设计需要在与并行性、调度和资源利用相关的高级源代码中进行适当的编译指令,并在后寄存器传输级(RTL)阶段仔细选择综合配置。调整这些编译指令和配置是一项重要的任务,而每个设计的合成时间(从源代码到最后一个比特流的时间)较长,不可能进行详细的DSE。

    机器学习技术的应用在三个方面改进了HLS工具:快速准确的结果估计,优化常规的DSE算法,将DSE转化为主动学习问题。除了在单个问题上取得优异的结果外,以往的研究还针对特征工程、ML模型选择和定制、设计空间采样和搜索策略等提出了一些新的泛化技术。

    首先是对时间、资源使用和操作延迟的估计。下面的图2显示了时间序列和资源使用预测的总体工作流程。戴等人[30]提出的工作流可以分为两个步骤:数据处理和训练估计模型。

    在逻辑综合和物理设计阶段,很多关键子问题都可以从机器学习模型中受益,如光刻热点检测、路径分类、拥塞预测、布局引导、快速时间序列分析、逻辑综合调度等。下表3总结了逻辑综合和物理设计的机器学习算法:

    光刻是半导体制造中的一个关键步骤,它将设计的电路及其布局转换成真实的物体。热点检测和掩膜优化是两个热门的研究方向。

    许多研究使用机器学习来检测光刻中的热点。最近,陈等人[22]提出了一种用于大规模热点检测的端到端可训练目标检测模型。该框架以完整或大规模的布局设计为输入,定位可能出现热点的区域,如下图6所示。

    对于光学邻近校正,逆光刻技术和基于模型的光学邻近校正是两种典型的掩模优化方法,各有优缺点。杨等[163]提出了一种有助于掩模布局优化的异构OPC框架,其确定性机器学习模型可以为给定的设计选择合适的OPC解决方案,如下图7所示:

    随着半导体技术的进步和集成电路规模的增长,传统的OPC方法变得越来越复杂和耗时。杨等[159]提出了一种新的基于生成对抗网络的最优控制方法。GAN-OPC的训练流程和ILT引导的预训练流程如下图8所示。实验结果表明,gan基方法可以大大加速基于ILT的OPC方法,生成更精确的掩模图形。

    一些研究讨论了最大似然辅助SRAF插值技术。徐等人[158]提出了一种基于机器学习技术的插值框架。耿等[43]提出了一种具有更好特征提取策略的框架。下面的图9是特征提取阶段的示意图:

    此外,一些研究致力于长光刻过程的快速模拟。传统的光刻模拟包括许多步骤,如光学模型建立、抗蚀剂模型建立和抗蚀剂图案生成。光刻氮化镓[165]提出了一种使用氮化镓的端到端抗蚀剂建模方法,如下图10所示:

    本章总结了制造阶段设计中使用的机器学习技术,包括光刻热点检测、掩模优化和光刻建模。相关研究见下表4:

    吉伦和鲁登巴[[45]提供了大多数模拟设计师遵循的设计过程。如图11所示,该过程包括从系统级到设备级的自顶向下的设计步骤,以及自底向上的布局合成和验证。

    仿真版图是一个难题,因为版图中的寄生元件会对电路性能产生很大影响,导致版图前仿真和版图后仿真的性能差异。同时,布局和性能之间的关系也很复杂。传统上,电路设计人员会根据经验估计寄生效应,这将导致长设计时间和潜在的不准确性。因此,自动布局仿真引起了研究者的关注。最近机器学习算法的发展促进了这个问题的研究。下面的表6是相关研究的总结。

    加速验证和测试过程的方法主要有两种:1)减少测试集的冗余;2)降低测试、验证和诊断的复杂性。为了减少测试集的冗余,优化测试用例的生成,长期以来一直在研究面向覆盖的测试生成,可以借助各种机器学习算法。近年来,减少模拟/射频设计和半导体技术测试中测试集的冗余引起了广泛的关注,并引入了更多的机器学习方法来解决这一问题。为了降低验证和测试的复杂度,一些研究采用低成本的模拟/射频设计测试,而另一些研究则侧重于快速的错误分类和定位。表7总结了关于验证和测试问题的研究。

    本章从机器学习应用的角度对上述研究进行了总结。第2.2章介绍了EDA问题中使用的主要机器学习模型和算法。基于EDA工作流中机器学习的功能,研究人员将大多数研究分为四类,即传统方法中的决策、性能预测、黑盒优化和自动设计。

    下表8从算法、输入和输出的角度总结了每个类别和典型模型设置的代表性工作:

    数据集的数量和质量对模型的性能非常重要。本文总结的几乎所有研究都是关于如何利用EDA领域的知识设计一个大的、公平的、干净的数据集。

    虽然在这一领域已经取得了显著的进展,但研究人员希望在以下几个方面对机器学习在EDA任务中的应用进行更多的研究:

    报告涵盖了人工智能峰会的趋势分析、整体技术趋势发展的结论、六个子领域(自然语言处理、计算机视觉、机器人及自动化技术、机器学习、智能基础设施、数据智能技术和前沿智能技术)技术发展趋势的数据以及问卷结论的详细说明。最后附上六大技术领域五年突破和同步指标的完整数据。


    网友转发请注明出处转载请保留链接:清华大学王宇等关于电子设计自动化的ML论文综述。* ACM TODAES收到180篇论文本文链接http://www.yule868.com/a/jisuanjilunwen/28064.html,谢谢合作!868学术论文网


    上一篇:中国地质科学院郑州矿产资源综合利用研究所2021年招聘公告   下一篇:世界大学计算机科学论文都引用了第一条,其实不是双一流大学


    论主学术论文网 学术论文网专业指导写论文的要点和技巧,指导如何写论文,本科毕业论文,写作大学毕业论文,专为工程类,医学类,教育类,经理类,管理类,会计类,艺术类等原创毕业论文如何写,值得信赖值得靠谱的毕业论文写作网站.
  • 文章总数
  • 3574726访问次数
  • 建站天数
  • XML地图 XML_1地图 备案蜀ICP备16030853号