首屆MLCAD Contest公榜，東南大學(xué)摘得首冠

2023年9月11-13日，第五屆ACM/IEEE Workshop on Machine Learning for CAD（MLCAD Workshop 2023）在猶他州Snowbird舉行。

9月13日，首屆MLCAD Contest獎(jiǎng)項(xiàng)公布，東南大學(xué)SEU-Placer奪冠。參賽隊(duì)員包括顧浩、顧健、岳逾先，指導(dǎo)老師是朱自然、楊軍、陳建利。

根據(jù)官網(wǎng)信息，首屆MLCAD Contest有19支參賽隊(duì)，中國(guó)共有8支參賽隊(duì)，占比42%；其中北京大學(xué)、大連理工大學(xué)、東南大學(xué)、南京郵電大學(xué)、上海交通大學(xué)、臺(tái)灣清華大學(xué)各有1支隊(duì)伍，香港中文大學(xué)2支隊(duì)伍，其他海外隊(duì)伍包括佐治亞理工、德州大學(xué)奧斯汀分校、伊利諾伊大學(xué)香檳分校、杜克大學(xué)等知名高校。

眾所周知，在ASIC和FPGA的物理設(shè)計(jì)流程中，宏布局在可布線性和時(shí)序收斂方面起著不可或缺的作用。特別是，F(xiàn)PGA器件布局的離散和列性質(zhì)對(duì)可放置宏（例如，BRAM、DSP、URAM、級(jí)聯(lián)形狀等）提出了獨(dú)特的放置約束。這些約束對(duì)經(jīng)典的優(yōu)化和組合方法來(lái)說(shuō)是具有挑戰(zhàn)性的，并且生成的布圖通常會(huì)導(dǎo)致網(wǎng)表設(shè)計(jì)布局存在可布線性和時(shí)序收斂問(wèn)題。

受最近的深度強(qiáng)化學(xué)習(xí)（Reinforcement Learning，RL）方法的啟發(fā)，本競(jìng)賽的目標(biāo)是促進(jìn)學(xué)術(shù)研究，開(kāi)發(fā)ML或深度RL方法，以改進(jìn)當(dāng)前最先進(jìn)的宏布局工具。

本賽題基于Xilinx UltraScale+架構(gòu)，需要設(shè)計(jì)算法確定DSP、BRAM以及URAM三種宏模塊的位置，并通過(guò)Vivado進(jìn)行標(biāo)準(zhǔn)單元布局和布線，使得布線擁塞和運(yùn)行時(shí)間最小化。主要難點(diǎn)包括宏模塊布局階段的擁塞優(yōu)化以及考慮cascaded shape、region constraint等多種約束。

東南大學(xué)SEU-Placer團(tuán)隊(duì)提出了一種擁塞驅(qū)動(dòng)的多電場(chǎng)能全局布局以及多種約束感知的合法化算法，在140個(gè)公開(kāi)例子以及198個(gè)隱藏例子下實(shí)現(xiàn)了較好的宏模塊布局結(jié)果。

朱自然博士主要研究方向?yàn)?a class="article-link" target="_blank" href="/tag/%E9%9B%86%E6%88%90%E7%94%B5%E8%B7%AF/">集成電路電子設(shè)計(jì)自動(dòng)化（EDA）布局布線、布圖規(guī)劃等，在DAC，TCAD，ICCAD，TODAES等EDA領(lǐng)域主要會(huì)議/期刊發(fā)表二十余篇論文。主持國(guó)家重點(diǎn)研發(fā)計(jì)劃青年科學(xué)家項(xiàng)目和國(guó)家自然科學(xué)基金等項(xiàng)目。2017年獲第54屆DAC最佳論文獎(jiǎng)；2017-2018年兩次獲得CAD Contest@ICCAD第一名；2020年獲中國(guó)運(yùn)籌學(xué)會(huì)科學(xué)技術(shù)獎(jiǎng)運(yùn)籌應(yīng)用獎(jiǎng)；2022年獲CAD Contest@ICCAD第二名；2023年獲MLCAD Contest第一名。

關(guān)于MLCAD Workshop

MLCAD Workshop始于2019年，聚焦機(jī)器學(xué)習(xí)（ML）在計(jì)算機(jī)輔助設(shè)計(jì)（CAD）和電子系統(tǒng)設(shè)計(jì)的各個(gè)方面的應(yīng)用。MLCAD Workshop由ACM設(shè)計(jì)自動(dòng)化特別興趣小組（SIGDA）和IEEE電子設(shè)計(jì)自動(dòng)化委員會(huì)（CEDA）共同主辦。

接收的論文涵蓋ML增強(qiáng)CAD在芯片以及系統(tǒng)方面的應(yīng)用，包括但不限于：算法、工具、示例應(yīng)用，基準(zhǔn)測(cè)試、數(shù)據(jù)源和管理，以及ML和優(yōu)化之間的聯(lián)系。