南大钱超团队攻克百亿晶体管难题，斩获EDA顶会2025最佳论文！AI学院本硕博生联手

38 0 0

文章摘要

南京大学人工智能学院钱超教授团队的研究成果在EDA领域顶级会议DATE 2025上获得最佳论文奖，其提出的时序驱动全局布局方法为解决百亿级晶体管芯片设计难题提供了创新方案。该工作通过智能关键路径提取技术，将时序违例路径分析速度提升6倍，并在时序指标上实现显著突破。论文与华为诺亚方舟实验室合作完成，第一作者侍昀琦、第四作者林熙和第五作者薛轲分别来自南大人工智能学院本硕博梯队。

传统芯片布局方法长期面临效率与精度的两难选择：快速但粗糙的网线加权方案难以满足精度需求，而精确的路径优化方法则计算成本过高。研究团队提出的新方法通过三项核心技术突破这一困境：针对时序违例端点的路径提取算法将复杂度从O(n²)降至O(n)，基于引脚间吸引力的时序建模技术避免了传统高扇出线网的过度优化问题，以及首次在GPU上实现欧式距离平方损失函数的加速计算。实验数据显示，该方法在ICCAD-2015数据集上相较DREAMPlace 4.0算法实现全部8个芯片指标领先，TNS指标平均提升60%，较Differentiable-TDP和Distribution-TDP算法分别提升50%和40.5%。

该研究的创新性获得审稿人高度评价，认为其成果”超越了所有先进工作”。在1200余篇投稿、录用率仅25%的激烈竞争中，该论文以0.3%的获奖率脱颖而出，成为DATE会议31年历史上四篇最佳论文之一。这一突破标志着AI技术在芯片设计领域的应用进入新阶段，与Google的AlphaChip及头部EDA厂商的AI产品形成技术呼应。

钱超教授团队隶属于周志华教授领衔的LAMDA研究所，长期致力于演化算法的理论研究与工业应用。基于Springer专著《演化学习：理论与算法进展》奠定的理论基础，团队在芯片设计优化领域取得系列突破：NeurIPS’23工作较Google Nature论文布线长度缩短80%，DAC’24研究通过变异算子提升布线长度15%，而DAC’25提出的ReMaP方法使时序指标提升超65%。多项技术已在华为海思落地，其中”超高维空间多目标黑盒优化技术”将寄存器寻优效率提升22.14倍。

当前，团队正与华为深化合作，致力于通过算法创新突破先进制程工艺限制。开源代码已发布于GitHub平台，为行业提供了可复现的研究基准。这些进展不仅推进了EDA工具链的智能化进程，也为人工智能与集成电路的交叉创新开辟了新路径。