iPO: Constant Liar Parameter Optimization for Placement with Representation and Transfer Learning

Xinhua Lai

doi:10.1145/3747292

iPO: Constant Liar Parameter Optimization for Placement with Representation and Transfer Learning

2026-02-01

0

PRE

AI

DOI：10.1145/3747292

摘要

En 中文

布局是超大规模集成电路（VLSI）设计流程中的一个关键且耗时步骤。随着布局方法的研究不断深入，它们引入了更多参数，使得当前配置参数的方法高度依赖人类经验进行每个设计。本文提出了一种新颖的跨设计参数优化方法iPO，以在不涉及人类参与的情况下加速不同布局引擎（如iEDA-iPL和DREAMPlace）的参数调优。具体而言，我们引入了一种名为“恒定说谎者”的启发式策略来加速参数调优，使我们能够在不同机器上并发优化参数。我们的研究表明，为每个设计优化参数耗时较长。为解决参数调优的低效问题，我们提出了跨设计参数迁移学习策略。该策略通过结合图嵌入算法（表示网表和单元）来测量设计之间的余弦相似度。与DREAMPlace在ISPD2015基准测试中相比，我们的方法在半周长线长（HPWL）和布线拥塞方面分别实现了平均9.8%和12.0%的改进。与AutoDMP相比，iPO在HPWL和拥塞方面分别实现了平均11%和12.3%的改进，并在搜索迭代次数上实现了3.49倍的加速。此外，我们将实验扩展到iEDA-28nm基准测试，与iEDA-iPL相比，在HPWL、最坏负裕量（WNS）和总负裕量（TNS）方面分别实现了平均4.7%、2.7%和2.8%的改进。最后，我们对并行化的消融研究表明，使用10个并行进程相比单进程实现了约18倍的加速。

Keyword:

AI/ML

VLSI Placement

design space exploration

transfer learning

parallelization

representation learning

iPO: Constant Liar Parameter Optimization for Placement with Representation and Transfer Learning

摘要

期刊

机构

引用论文