南大钱超团队破解百亿晶体管难题，勇夺EDA顶会2025年度最佳论文奖
南大钱超团队攻克百亿晶体管挑战，引爆EDA领域革新风暴夺得2025年度最佳论文奖
据南京大学人工智能学院官网消息，南大LAMDA组钱超教授团队在DATE2025会议上发表的关于芯片设计优化的论文「基于高效关键路径提取的时序驱动全局布局」荣获最佳论文奖。
电子设计自动化（Electronic Design Automation，EDA）是芯片设计的核心产业，被称作「芯片之母」。
欧洲设计自动化与测试会议（Design, Automation and Testing in Europe Conference，简称DATE）作为EDA领域的重要国际学术会议，每年汇聚了来自世界各地的顶尖专家和学者。这个会议不仅是展示最新研究成果和技术进展的平台，也是促进学术交流和产业合作的关键节点。在我看来，DATE会议的重要性不仅在于其提供了最新的技术动态和发展趋势，更在于它为全球的科研人员提供了一个深入探讨复杂问题和挑战的机会。通过这样的交流，我们可以期待更多创新性的解决方案被提出，并有望在未来几年内推动整个行业向前发展。
本次DATE2025最佳论文的第一作者是侍昀琦，目前他是南京大学人工智能学院的硕士生；第四作者林熙，她是本科生；第五作者薛轲，则是博士生。通讯作者为钱超教授，该论文由南京大学与华为诺亚方舟实验室联合完成。
论文：https://www.lamda.nju.edu.cn/qianc/DATE_25_TDP_final.pdf
开源：https://github.com/lamda-bbo/Efficient-TDP
在芯片设计领域，为高达百亿量级的晶体管设计最佳布局一直是一项棘手的技术挑战。传统的方法要么是快速但不够准确的加权布线方案，要么是精确但计算量庞大的路径优化方法。
就像在一个拥挤的城市规划新的交通路线, 既要考虑道路长度，又要确保交通畅通，面临精度与效率、局部与整体的冲突。这个两难困境一直困扰着芯片设计行业。
该论文介绍了一种创新的时序驱动布局技术，成功地实现了效率与精度的完美结合：
经典开源时序分析工具OpenTimer采用的是O(n^2)复杂度的算法来提取top-n条时序违例路径，而且这种算法并不支持基于违例端点的路径分析。最近的研究提出了一种新的方法，针对每个违例端点提取其top-n条违例路径，不仅能够覆盖所有的时序违例端点，还将提取n条违例路径的复杂度降低到了O(n)，在时序分析中实现了显著的效率提升，达到了6倍的速度加速。这一创新方法的核心在于引入了“智能关键路径提取”技术，通过这种方法可以快速识别出需要优先优化的关键路径，从而大幅提高了分析速度。 这项研究无疑为时序分析领域带来了重要的突破，特别是在处理大规模数据集时，该技术的优势更为明显。它不仅简化了复杂的计算过程，还大大减少了分析所需的时间，这使得工程师和研究人员能够更高效地进行工作，进一步推动了相关技术的发展。此外，该方法的通用性和易用性也为更多的应用场景提供了可能，有望在未来成为时序分析领域的标准方法之一。
传统的基于线网的加权方法在处理高扇出线网时，往往会引入过多的权重，导致很多与时序无关的路径被过度优化。为了解决这一问题，论文提出了一种基于引脚间吸引力的精确评估指标。该指标能够准确识别时序违例路径中的引脚对，从而更精确地反映时序信息。这样不仅显著提升了时序性能，还几乎未增加总体线长。
常用的时序模型RCDelayModel中，线网延时通常与长度的平方成正比。最近的研究提出了一种创新的方法，即将引脚间欧式距离的平方引入为新的损失函数，并且成功地在GPU上实现了前向和反向传播的加速。这一改进在关键时序指标TNS和WNS上分别提升了50%和30%，相较于传统方法有了显著的进步。这项研究不仅提高了时序优化的效果，还通过硬件加速技术大大缩短了计算时间，这对于大规模集成电路设计领域来说是一个重要的突破。它展示了如何通过巧妙地调整损失函数来解决传统算法中的不足，同时也表明了GPU在加速复杂计算任务方面的巨大潜力。
论文在ICCAD-2015竞赛数据集上进行了全面的对比测试，结果显示相较于目前最前沿的开源布局算法DREAMPlace4.0，该研究在所有八个芯片上均展现出显著优势，特别是在关键的TNS指标上实现了平均60%的性能提升。这项成果不仅证明了研究团队在算法优化方面的卓越能力，也表明了其在集成电路设计领域中的潜在应用价值，有望推动行业技术标准的进一步发展。
相较于 SOTA 方法 Differentiable-TDP 和 Distribution-TDP 算法分别达到 50% 和 40.5% 的 TNS 平均提升。
审稿人对该研究给予了高度赞赏，表示「成果极为出色，超越了现有的顶尖研究」（「Theresultsareexceptionallyoutstanding,overshootingallcontemporaryleadingworks」），实现了显著的进步（「significantadvancements」）。
自1994年创办以来，DATE会议至今已成功举办31届，预计今年将于3月31日至4月2日在法国里昂召开。此次会议共收到了超过1200篇投稿，最终的录用率为25%，并从中评选出了4篇最佳论文（获奖率仅为0.3%）。
近期，AI技术在芯片设计领域的应用引起了国际上的广泛关注。Google在《自然》杂志上发表了关于AlphaChip的研究，该技术被用于TPU的设计。同时，多家领先的EDA公司也相继推出了由AI驱动的EDA产品。芯片设计过程漫长且复杂，涉及众多复杂的优化问题。
演化算法作为人工智能领域的重要分支，受到了达尔文进化论的启发，通过模拟“交叉变异”和“自然选择”的过程，能够用于解决机器学习中的复杂优化问题。然而，这些算法本质上是“启发式”的，即它们在很多情况下确实有效，但其有效性背后的机制以及适用条件仍然不够明确。这表明，尽管演化算法已经在许多实际应用中取得了显著成果，但我们对其内在工作原理的理解还有待深入。这种不确定性也提示我们，在采用这类算法时，需要更多的实验验证和理论分析来确保其在特定场景下的可靠性和效率。
LAMDA 组周志华教授带领俞扬教授和钱超教授长期努力，希望能够建立起相应理论基础，并对算法设计给出指导；2019 年他们在 Springer 出版专著《Evolutionary Learning: Advances in Theories and Algorithms》，总结了他们在该方向上过去二十年的主要工作，并于 2021 年出版中文版《演化学习：理论与算法进展》。
基于这些长期理论研究，LAMDA 组近期针对芯片设计中的复杂优化问题设计出了多个原创领先算法，如：
在NeurIPS’23上，该团队发表了一篇题为「MacroPlacement by Wire-Mask-Guided Black-Box Optimization」的研究论文。这项研究针对芯片宏元件布局问题提出了新的解决方案，相较于Google在Nature’21中提出的方法，布线长度减少了超过80%，这一成果也使他们获得了ACM SIGEVO Human-Competitive Results奖。 从这篇论文中可以看出，该团队在解决芯片设计中的关键挑战方面取得了显著进展。通过引入一种基于掩码引导的黑盒优化方法，他们不仅大幅降低了布线长度，还可能提高了整体电路性能和能效。这样的突破对于推动半导体行业的发展具有重要意义，特别是在当前对高性能计算需求日益增长的背景下。此外，该奖项的认可也表明，该研究成果达到了甚至超过了人类专家的水平，这无疑为未来的研究提供了重要的参考方向。
针对芯片全局布局问题，该团队在DAC’24上展示的海报「跳出局部最优解：全局布局的新方法」采用变异算子，有效解决了现有解析式布局器容易陷入局部最优的问题，进一步提升了芯片布线长度指标约15%。
针对芯片宏元件布局问题，该团队在 NeurIPS’24 发表的工作「Reinforcement Learning Policy as Macro Regulator Rather than Macro Placer」提出了新的基于强化学习的问题建模，通过训练策略对已有布局进行高效微调而不是从头摆放，保证了宏元件布局的贴边和规整，在时序和拥塞等指标上均取得了一致的显著提升；
在DAC’25上发表的论文《ReMaP:MacroPlacement by Recursively Prototyping and Periphery-Guided Relocating》引入了大量的专家知识到算法中，显著优化了宏元件与标准元件之间的数据流，更加贴近工业界的实际需求。这项研究通过对现有技术的改进，使芯片的最终时序指标相较于目前最先进的开源EDA工具OpenROAD提升了超过65%。 这一研究成果无疑为芯片设计领域带来了重要的突破。通过结合专家知识与先进的算法技术，不仅大幅提高了芯片性能，还缩短了研发周期，降低了成本。这表明，随着算法和工程技术的不断进步，未来在芯片设计领域的效率和效能将有更大的提升空间。此外，这也鼓励了更多科研人员将理论与实践相结合，探索出更加高效的设计方法，以应对日益复杂的芯片设计挑战。
华为海思近期成功实现了多项关键技术的落地验证，其中包括解决其「揭榜挂帅」项目中的「EDA专题难题：超高维空间多目标黑盒优化技术」。这一突破使得芯片寄存器的优化效率平均提升了22.14倍。这项成就不仅彰显了华为在技术研发上的强大实力，也进一步巩固了其在全球半导体行业的领先地位。随着技术的不断进步，相信华为在未来能够继续引领行业创新，为全球半导体产业的发展做出更多贡献。
LAMDA团队目前正与华为深入合作，致力于通过先进的芯片设计来解决当前先进制造工艺的限制问题。
参考资料：
https://ai.nju.edu.cn/5d/02/c17806a744706/page.htm
本文源自微信公众号：新智元（ID：AI_era），标题为《南大钱超团队解决百亿级晶体管挑战，荣获EDA顶级会议2025年最佳论文奖！AI学院本硕博学生合作完成》