EDA-AI：深度学习在电子设计自动化中的应用

最新推荐文章于 2025-04-28 10:05:48 发布

宁乐钧Gwendolyn

最新推荐文章于 2025-04-28 10:05:48 发布

阅读量854

点赞数 15

本文链接：https://blog.csdn.net/gitblog_00435/article/details/145002767

版权

EDA-AI：深度学习在电子设计自动化中的应用

EDA-AI Implementation of NeurIPS 2021 paper "On Joint Learning for Solving Placement and Routing in Chip Design" & NeurIPS 2022 paper "The Policy-gradient Placement and Generative Routing Neural Networks for Chip Design". 项目地址: https://gitcode.com/gh_mirrors/ed/EDA-AI

1. 项目基础介绍和主要编程语言

EDA-AI 是由上海交通大学 Thinklab 实验室开发的一个开源项目，专注于将深度学习技术应用于电子设计自动化（EDA）领域。该项目旨在通过神经网络优化芯片设计中的布局布线问题，提高设计效率和性能。项目主要使用 Python、C++ 和 C 语言进行开发，其中 Python 用于搭建和训练深度学习模型，C++ 和 C 用于实现算法和优化性能。

2. 项目核心功能

DeepPlace：实现了 NeurIPS 2021 论文中的 "On Joint Learning for Solving Placement and Routing in Chip Design"，通过深度学习技术联合解决芯片设计中的布局和布线问题。
PRNet：根据 NeurIPS 2022 论文 "The policy-gradient placement and generative routing neural networks for chip design"，实现了一种基于策略梯度的布局和生成式布线神经网络。
HubRouter：遵循 NeurIPS 2023 论文 "HubRouter: Learning Global Routing via Hub Generation and Pin-hub Connection"，学习全局布线通过生成 Hub 和连接 Pin-Hub 的方法。
PreRoutGNN：根据 AAAI 2024 论文 "PreRoutGNN for Timing Prediction with Order Preserving Partition: Global Circuit Pre-training Local Delay Learning and Attentional Cell Modeling"，实现了一种用于时序预测的图神经网络。
FlexPlanner：依据 NeurIPS 2024 论文 "FlexPlanner: Flexible 3D Floorplanning via Deep Reinforcement Learning in Hybrid Action Space with Multi-Modality Representation"，实现了一种基于深度强化学习的灵活三维布局规划方法。