OpenROAD
PulseAugur coverage of OpenROAD — every cluster mentioning OpenROAD across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
GoalEvolve框架通过LLM驱动的演化增强芯片设计算法
研究人员开发了GoalEvolve，一个旨在改进芯片制造中使用的物理设计算法的新颖框架。该系统通过识别和解决多阶段优化过程中的瓶颈来实现特定的结果质量目标。GoalEvolve利用基于LLM的教师来指导算法的演化，与现有方法和商业工具相比，在时序、漏电和动态功耗等指标上取得了显著改进。
-
新基准 CLOSER-Bench 评估硬件设计收敛中的 AI 代理
研究人员推出了 CLOSER-Bench，这是一个新的评估协议，旨在评估 AI 代理在硬件工程任务中的能力。该基准侧重于预算跨阶段设计收敛，整合了从规范到 RTL 生成，以及从 RTL 到物理实现 (GDS) 的任务。它利用了 Verilator、Yosys 和 OpenROAD 等开源工具，并衡量最终质量、随时间推移的进展、工具成本以及从后端故障中恢复的能力。初步测试显示，代理解决局部编码任务的能力与它们在集成验证和收敛挑战中的表现…
-
SwiftCTS框架加速芯片设计优化
研究人员开发了SwiftCTS，一个用于优化芯片设计中时钟树综合的新框架。该系统使用物理信息代理模型和梯度增强集成来实现功率、布线长度和时序偏斜指标的快速预测和帕累托优化。SwiftCTS能够通过最少的校准适应新的芯片架构，显著减少预测误差，并能在几秒钟内评估数千种配置。
-
FlowPlace 使用流匹配实现更快、无重叠的芯片布局
研究人员开发了 FlowPlace，一种利用流匹配（一种受生成模型启发的技）的新型芯片布局方法。该方法通过采用掩码引导的合成数据生成和高效的基于流的训练，解决了现有扩散模型方法的局限性。FlowPlace 在性能、功耗和面积（PPA）指标方面取得了显著改进，同时实现了 10-50 倍的采样效率提升，并消除了布局中的重叠。