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

新智元报道

编辑：编辑部 HYZ

【新智元导读】

南大AI学院钱超教授团队，荣获EDA顶会2025最佳论文奖！其中，论文一作、四作、五作都是南大人工智能学院的本硕博生。芯片设计领域的传统难题——如何为多达百亿量级晶体管设计最优布局，从此有了一种巧妙的全新方法。

据南京大学人工智能学院网站报道，南大LAMDA组钱超教授团队在DATE 2025发表的芯片设计优化论文「Timing-Driven Global Placement by Efficient Critical Path Extraction」获会议最佳论文奖。

电子设计自动化（Electronic Design Automation，EDA）是芯片设计的基石产业，被誉为「芯片之母」。

欧洲设计自动化与测试会议（Design, Automation and Test in Europe Conference，DATE）是EDA领域的顶级国际学术会议。

本次DATE 2025最佳论文第一作者侍昀琦、第四作者林熙、第五作者薛轲分别是南京大学人工智能学院的硕士生、本科生和博士生，钱超教授为通讯作者，论文与华为诺亚方舟实验室合作完成。

论文：

开源：

在芯片设计领域，为多达百亿量级晶体管设计最优布局，一直是一个难解的技术难题。传统的布局方法要么选择快速但不够精准的网线加权方案，要么采用精确但运算量巨大的路径优化方法。

就像在一个拥挤的城市规划新的交通路线,既要考虑道路长度，又要确保交通畅通，面临精度与效率、局部与整体的冲突。这个两难困境一直困扰着芯片设计行业。

该论文提出了一种全新的时序驱动布局方法，巧妙地将效率和精度统一起来：

图1：基于引脚间吸引力的时序目标建模

论文在ICCAD-2015竞赛数据集上进行了广泛的对比，相较于最先进的开源布局算法DREAMPlace 4.0做到了全部8个芯片的显著领先，特别是在TNS指标上达到60%的平均提升。

相较于SOTA方法Differentiable-TDP和Distribution-TDP算法分别达到50%和40.5%的TNS平均提升。

图2：时序和线长指标的实验结果

审稿人高度评价该工作，称「结果令人印象非常深刻，超过了所有先进工作」（「The results are very impressive, outperforming all state-of-the-art works」），取得显著提升（「significant improvements」）。

近期，AI技术在芯片设计中的应用受到了国际上高度关注。Google在Nature提出AlphaChip，应用于TPU设计，而多家EDA头部厂商也推出了AI赋能的EDA产品。芯片设计流程冗长复杂，存在大量复杂优化问题。

作为人工智能的重要研究分支，演化算法受达尔文进化论启发，通过模拟「交叉变异」和「自然选择」行为，可用于求解机器学习中复杂优化问题，但这类算法几乎纯粹是「启发式」：在不少情况下有效, 但为何奏效、在何种条件下奏效却并不清楚。

LAMDA组周志华教授带领俞扬教授和钱超教授长期努力，希望能够建立起相应理论基础，并对算法设计给出指导；2019年他们在Springer出版专著《Evolutionary Learning: Advances in Theories and Algorithms》，总结了他们在该方向上过去二十年的主要工作，并于2021年出版中文版《演化学习：理论与算法进展》。

基于这些长期理论研究，LAMDA组近期针对芯片设计中的复杂优化问题设计出了多个原创领先算法，如：

LAMDA组目前与华为正在进一步合作攻关，希望通过先进芯片设计缓解当前先进制造工艺局限。