用于设计和分析电子电路与系统的方法和软件工具。
人工智能芯片向堆叠架构和基于 chiplet 的设计转型,迫使 EDA 工具分析从芯片到封装和电路板的整个系统,并整合代理式人工智能以加速探索。然而,互操作性、动态规划、电源与热分析,以及保持结果准确性,仍然是关键挑战。
Brian Bailey认为,将人工智能引入芯片设计验证会带来新一层验证,因为系统可能生成看似合理的答案,或绕过目标而不是遵守规范。他强调,承诺中的生产力提升可能会被广泛的人工工作抵消,即审查人工智能生成的每一项内容及其来源。
PPAPlace论文提出了一种可微分模型:根据大型模块和标准单元的位置,预测布线阶段之后的性能、功耗和面积指标。在五个测试电路上,与分层基线相比,该模型使WNS平均提升22%、TNS平均提升51%,同时保持功耗和可布线性。