布局(Placement)是芯片后端設(shè)計中最需要全局視角的步驟，它前置約束所有后續(xù)環(huán)節(jié)，直接決定了PPAC(Performance、Power、Area、Congestion)各項指標趨勢和設(shè)計目標實現(xiàn)的可行性。

現(xiàn)代P&R工具中，Placement已經(jīng)不再是一個獨立的引擎算法，它涉及Placer、Timer、Router、Optimizer等多引擎的聯(lián)動配合，使用者除設(shè)置常用的物理約束和優(yōu)化策略外，還需調(diào)整前述各種引擎參數(shù)，使得各引擎實現(xiàn)相互支撐、聯(lián)合優(yōu)化，由于各個引擎參數(shù)都比較繁雜，這種調(diào)整通常比較耗時且收益較慢。

AmazeME-Place 簡介

芯行紀全新發(fā)布機器學習優(yōu)化工具AmazeME-Place，基于機器學習算法，探索P&R工具的“Placement + Optimization”聯(lián)合優(yōu)化策略。它將時序WNS、時序TNS、靜態(tài)功耗、動態(tài)功耗、總線長、阻塞等指標進行多維度考核，在各引擎參數(shù)構(gòu)成的巨大解空間里探索分析和迭代優(yōu)化有效參數(shù)，找到多維度指標上的最優(yōu)解，給出實現(xiàn)布局階段的最佳PPAC指標的參數(shù)集。

布局優(yōu)化階段，各相關(guān)引擎構(gòu)成的參數(shù)解空間是巨大的，各參數(shù)間的耦合性和依賴性也并不確定，AmazeME-Place通過對各引擎全參數(shù)形成混合參數(shù)，并自適應(yīng)的學習混合參數(shù)互信息與PPAC指標的相關(guān)性，找到參數(shù)與指標的最佳耦合點。

下圖所示是AmazeME-Place主界面，它顯示了在布局和優(yōu)化階段各探索Trial的實時運行狀態(tài)，每個探索Trial的多維度指標得分細節(jié)，以及各個Trial動態(tài)綜合排序。

圖1：AmazeME-Place主界面

AmazeME-Place 功能亮點

(1)全自動參數(shù)選擇和探索

布局優(yōu)化階段所涉及的Placer、Timer、Router、Optimizer等多引擎全參數(shù)自動調(diào)參，默認情況下無需用戶過多干預(yù);(2)精準的多指標考核系統(tǒng)

內(nèi)置精準的PPAC多維度指標考核系統(tǒng)，覆蓋了時序WNS、時序TNS、靜態(tài)功耗、動態(tài)功耗、總線長、阻塞等重要指標;

(3)更智能高效的探索效率

通過對混合參數(shù)和多維度指標的相關(guān)性探索，可大幅減少探索空間，利用有限的機器資源和迭代次數(shù)，快速找到參數(shù)空間最優(yōu)解;

(4)用戶可配置參數(shù)和指標

支持用戶自定義的參數(shù)列表探索，以及用戶期望的指標列表探索，精準實現(xiàn)用戶需求;

(5)具有較好的移植泛化性

自適應(yīng)的機器學習算法，使得AmazeME-Place泛化應(yīng)用在不同的P&R工具成為可能。

客戶端實測案例

此案例為一個復(fù)雜接口模塊，在用戶流程中為滿足布局階段的時序要求，已將利用率適當降低，但仍有繞線阻塞現(xiàn)象，且存在較大較多的繞線熱區(qū)，同時翻轉(zhuǎn)功耗較大，用戶在嘗試多輪參數(shù)調(diào)整后，仍無明顯收斂趨勢。

在人工調(diào)整難有明顯收益的情況下，AmazeME-Place通過全參數(shù)探索，并重點探索學習阻塞優(yōu)化策略和線長優(yōu)化策略，最終實現(xiàn)多維度綜合指標提升69%，繞線熱區(qū)指標和總線長指標分別提升68.5%和23.1%，同時時序WNS和時序TNS未有變化。

下圖是AmazeME-Place的PPAC多維度綜合指標收斂趨勢圖，從各指標探索的趨勢來看，AmazeME-Place在較前期的探索學習中，快速并連續(xù)確定阻塞優(yōu)化策略方向和線長優(yōu)化策略方向，并在較中期持續(xù)深度優(yōu)化阻塞指標和線長指標，在有限迭代探索中快速得到各項指標收益，并可沿優(yōu)化策略方向繼續(xù)向前探索。

圖2：AmazeME-Place PPAC多維度綜合指標收斂趨勢圖

下圖為AmazeME-Place在全參數(shù)探索學習中，某一時刻的若干混合參數(shù)和綜合指標的互信息相關(guān)性截圖，它表征了混合參數(shù)的探索空間，以及綜合指標的考核情況，顏色越深則表示相關(guān)性越強，探索方向正確。

圖3：AmazeME-Place混合參數(shù)和綜合指標互信息相關(guān)性示意圖

下圖則展示了與用戶流程相比，經(jīng)AmazeME-Place探索后得到的布局優(yōu)化后各指標情況：

圖4：AmazeME-Place 布局優(yōu)化指標對比圖

機器學習正在讓越來越多的EDA工具變得更加的高效，芯行紀在推出Floorplan階段的機器學習配套工具后，越來越多的商用落地證明了性能和效率永遠是芯片設(shè)計者的追求，而Placement階段的機器學習方案AmazeME-Place在進一步讓芯片設(shè)計更加智能化、精準化。芯行紀也將繼續(xù)耕耘更多的AI方案落地，助力芯片設(shè)計企業(yè)在激烈的市場競爭中脫穎而出。

關(guān)于芯行紀

芯行紀科技有限公司(簡稱“芯行紀”)成立于2020年，是一家專注于數(shù)字實現(xiàn)EDA方案的高新技術(shù)創(chuàng)新企業(yè)。公司匯聚電子設(shè)計自動化與芯片設(shè)計領(lǐng)域頂尖人才，在國內(nèi)率先將機器學習和分布式計算技術(shù)深度應(yīng)用于數(shù)字實現(xiàn)EDA領(lǐng)域，憑借卓越的研發(fā)實力構(gòu)建起持續(xù)進化的自主數(shù)字實現(xiàn)EDA工具平臺。

芯行紀數(shù)字實現(xiàn)EDA產(chǎn)品矩陣涵蓋多款創(chuàng)新工具，包括國內(nèi)首款全自研數(shù)字布局布線工具AmazeSys、智能布局規(guī)劃工具AmazeFP、智能布局規(guī)劃機器學習方案AmazeFP-ME、一站式工程修復(fù)優(yōu)化工具AmazeECO、快速DRC & DFM收斂工具AmazeDRCLite，以及工業(yè)軟件許可文件管理系統(tǒng)Industriallm。

目前，芯行紀自主研發(fā)的EDA產(chǎn)品已廣泛應(yīng)用于國內(nèi)頭部芯片設(shè)計和制造企業(yè)，累計服務(wù)近40家客戶，覆蓋人工智能、智慧汽車、5G、云計算等眾多新一代信息技術(shù)產(chǎn)業(yè)，賦能集成電路產(chǎn)業(yè)高速發(fā)展。