实体
DREAMPlace 4.0: Timing-Driven Placement With Momentum-Based Net Weighting and Lagrangian-Based Refinement
DREAMPlace 4.0: Timing-Driven Placement With Momentum-Based Net Weighting and Lagrangian-Based Refinement
PulseAugur coverage of DREAMPlace 4.0: Timing-Driven Placement With Momentum-Based Net Weighting and Lagrangian-Based Refinement — every cluster mentioning DREAMPlace 4.0: Timing-Driven Placement With Momentum-Based Net Weighting and Lagrangian-Based Refinement across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
LLM设计的算法提升VLSI宏单元布局效率
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。
-
LLM 演进芯片放置目标，改善布线和时序
研究人员开发了 CoEvoP&R，一个利用大型语言模型 (LLM) 为分析式放置器自动演进放置目标的新框架。该方法解决了传统放置阶段的代理指标与下游布线和时序质量之间的不匹配问题。通过生成可读、可微分的目标，并利用路由反馈进行验证，CoEvoP&R 与现有方法相比，显著改善了布线后线长、拥塞和时序指标。