研究人员开发了MacroAgent，一个旨在改进超大规模集成（VLSI）设计中宏单元布局的新框架。这种四阶段方法利用大型语言模型（LLMs）生成启发式算法，以增强布局规则性。MacroAgent已证明比现有方法有显著改进，包括布局规则性提高2到8倍，布线长度减少3%到5%，并且端到端评估证实了实际的功耗、性能和面积（PPA）收益。 AI
影响 这项研究可能通过利用LLMs处理复杂的算法任务，从而实现更高效、更强大的芯片设计。
排序理由 该集群包含一篇详细介绍VLSI设计新算法的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]
- Cadence Innovus
- Chipyard
- DREAMPlace 4.0: Timing-Driven Placement With Momentum-Based Net Weighting and Lagrangian-Based Refinement
- Large Language Models
- MacroAgent
- Seyond
- TILOS
- very-large-scale integration
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
