Talk预告 | 中国科学技术大学耿子介：LaMPlace - 学习优化方法如何解决芯片设计中的“左移”问题|eda|中国科学技术大学|人工智能|耿子介

本期为TechBeat人工智能社区第694期线上Talk。

北京时间6月25日(周三)20:00，中国科学技术大学耿子介的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是:“LaMPlace - 学习优化方法如何解决芯片设计中的“左移”问题”，届时他将分享LaMPlace，一种在宏单元布局中学习用于优化跨阶段指标的掩码方法。相关工作已入选ICLR 2025 Oral。

Talk·信息

主题：LaMPlace - 学习优化方法如何解决芯片设计中的“左移”问题

嘉宾：中国科学技术大学 · 博士生 - 耿子介

时间：北京时间6月25日(周三)20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

Talk·介绍

机器学习技术在提升宏单元布局这一现代芯片设计中的关键阶段方面展现出了巨大潜力。然而，现有方法主要聚焦于在线优化当前布局阶段可用的中间代理指标，而非直接优化衡量最终芯片质量的跨阶段指标，例如时序性能。这主要是因为评估这些跨阶段指标需要进行后布局阶段的复杂流程，计算开销极高，导致在线优化变得不切实际。因此，这类优化方法往往难以真正提升实际性能，甚至可能引发严重的制造问题。

为了解决这一问题，我们提出了 LaMPlace，一种在宏单元布局中学习用于优化跨阶段指标的掩码方法。具体而言，LaMPlace 在离线数据上训练一个预测器，用于估计这些跨阶段指标，并据此快速生成一张掩码图，即一个像素级的特征图，用以量化将宏单元放置在芯片各个格点位置对设计指标的影响。该掩码本质上充当了一个快速评估器，使布局决策能够依据跨阶段指标，而不是仅依赖中间代理指标。在多个常用基准测试上的实验结果表明，LaMPlace 能够在多个关键设计指标上显著提升芯片质量。

Talk大纲

1. 背景 - EDA背景介绍、宏单元布局相关工作介绍

2. 问题与动机 - EDA中的“左移”问题、LaMPlace的动机

3. 解决方案 - 介绍LaMPlace算法

4. 结果与讨论 - 介绍LaMPlace实验结果、一些讨论、后续工作思路

Talk·预习资料

论文链接： https://openreview.net/pdf?id=YLIsIzC74j 代码链接： https://github.com/MIRALab-USTC/AI4EDA-LaMPlace

Talk·提问交流

在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

耿子介‍‍‍‍‍‍‍‍‍‍‍

中国科学技术大学耿子介 · 博士生‍‍‍

耿子介，中国科学技术大学 MIRA 实验室 2022 级硕博连读生，师从王杰教授。此前，他于2022年毕业于少年班学院，取得数学与应用数学专业学士学位。他的主要研究方向包括机器学习在运筹优化与芯片设计等领域的应用、大语言模型推理加速等。他在NeurIPS、ICML、ICLR等人工智能顶级会议上发表论文十余篇（其中五篇论文为一作），包括NeurIPS/ICLR Oral/Spotlight五篇。相关研究成果部署至华为云天筹求解器与华为自研EDA工具。他曾获2024年度国家奖学金；曾两次获得丘成桐大学生数学竞赛优胜奖；曾在微软亚洲研究院实习，获得“明日之星”称号；多次担任顶会审稿人，获评NeurIPS 2023 Top审稿人；参与创办南京真则网络科技有限公司。