PulseAugur
实时 08:15:17
English(EN) MAGE: Human-Like Macro Placement via Agentic Multimodal Reasoning

MAGE框架通过类似人类的推理增强芯片宏放置

研究人员开发了MAGE(宏放置代理引擎),一个新颖的多模态多代理框架,旨在优化集成电路物理设计流程中的宏放置。该框架利用自然语言指令和一个六阶段工作流程,结合了结构化布图规划规则和视觉检查,而不是依赖于标记的放置数据。MAGE在时序和可布线性指标上显示出显著改进,在特定基准测试中优于商业放置器和人类专家,同时还增强了类似人类放置的指标。 AI

影响 该框架可以通过自动化复杂的放置任务,显著提高芯片制造中物理设计的效率和质量。

排序理由 该集群包含一篇详细介绍芯片设计新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

MAGE框架通过类似人类的推理增强芯片宏放置

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Andrew B. Kahng, Sayak Kundu, Bodhisatta Pramanik ·

    MAGE:通过代理多模态推理实现类似人类的宏观布局

    arXiv:2607.18536v1 Announce Type: new Abstract: Macro placement still requires substantial manual refinement in industrial physical design flows. We present MAGE (Macro Placement Agentic Engine), a multimodal multi-agent framework for macro placement refinement. MAGE decomposes t…