電子設計自動化是芯片設計的基石產業(yè)，被譽為“芯片之母”。歐洲設計自動化與測試會議（DATE）是電子設計自動化領域的頂級國際學術會議。近日，南京大學人工智能學院LAMDA組錢超教授團隊在全球電子設計領域專業(yè)頂級學術會議DATE 2025發(fā)表論文“Timing-Driven Global Placement by Efficient Critical Path Extraction”，獲最佳論文獎。據悉，DATE今年收到逾1200篇投稿，錄用率約25%，共評選出4篇最佳論文獎（獲獎率僅0.3%）。

論文第一作者侍昀琦、第四作者林熙、第五作者薛軻分別是南京大學人工智能學院的碩士生、本科生和博士生，錢超教授為通訊作者，論文與華為諾亞方舟實驗室合作完成。

該工作針對大規(guī)模芯片標準單元的全局布局問題，通過高效的關鍵路徑提取技術，覆蓋所有時序（即傳播時延約束，是實現(xiàn)芯片功能的關鍵）違例端點，從而精確建模時序目標，并且在優(yōu)化時兼顧布線長度、布局密度、時序等多個目標；較最先進算法，在關鍵時序指標TNS和WNS上分別提升40.5%和8.3%。審稿人高度評價該工作，稱“結果令人印象非常深刻，超過了所有先進工作”，取得顯著提升。據悉，全球電子設計領域專業(yè)頂級學術會議DATE自1994年創(chuàng)辦以來已舉辦31屆，今年將于3月31日至4月2日在法國里昂召開。

近期，AI技術在芯片設計中的應用受到了國際上高度關注。Google在Nature提出AlphaChip，應用于TPU設計，而多家EDA頭部廠商也推出了AI賦能的EDA產品。芯片設計流程冗長復雜，存在大量復雜優(yōu)化問題。作為人工智能的重要研究分支，演化算法受達爾文進化論啟發(fā)，通過模擬“交叉變異”和“自然選擇”行為，可用于求解機器學習中復雜優(yōu)化問題，但這類算法幾乎純粹是“啟發(fā)式”：在不少情況下有效, 但為何奏效、在何種條件下奏效卻并不清楚。

LAMDA組周志華教授帶領俞揚教授和錢超教授長期努力，希望能夠建立起相應理論基礎，并對算法設計給出指導；2019年他們在Springer出版專著《Evolutionary Learning: Advances in Theories and Algorithms》，總結了他們在該方向上過去二十年的主要工作，并于2021年出版中文版《演化學習：理論與算法進展》。基于在演化學習方向的長期理論研究，近期針對芯片設計中的復雜優(yōu)化問題設計出了多個原創(chuàng)領先算法，如針對芯片宏元件布局問題，較Google在Nature’21提出方法的布線長度縮短80%以上，較當前最先進的開源EDA工具OpenROAD的芯片最終時序指標提升超65%，在ACM SIGEVO Human-Competitive Results獲獎；若干技術在華為海思落地驗證，攻克華為“揭榜掛帥”難題，包括將芯片寄存器尋優(yōu)效率平均提升 22.14 倍等。

記者了解到，LAMDA組目前與華為正在進一步合作攻關，希望通過先進芯片設計緩解當前先進制造工藝局限。

揚子晚報/紫牛新聞  楊甜子

校對 李海慧