Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 첨단 패키징 환경에서 라우팅 가능성 확보가 중요한 플로어플래닝 및 핀 할당 알고리즘을 제안합니다. 특히, 미분 가능한 라우팅 가능성 기반 접근 방식을 통해 와이어 길이 최소화와 교차 인지(crossing-aware) 핀 할당을 수행하여 높은 효율성을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기첨단 패키징 기술이 발전함에 따라, 재배치층(RDLs)의 상호 연결 밀도가 높아지면서 라우팅 가능성이 패키지 플로어플래닝에 매우 중요해지고 있습니다. 한편, 전력 무결성 요구사항은 종종 팬-인 영역을 전력 공급 네트워크(PDN)를 위해 할당하여 신호 네트가 팬-아웃 영역을 통과하도록 강제하고 라우팅 가능성 추정을 복잡하게 만듭니다. 기존의 균일 그리드 기반 혼잡도 모델로는 팬-아웃 혼잡도를 정확하게 특성화할 수 없으며, 이전의 핀 할당 방법들은 네트 교차를 평가하는 데 어려움을 겪습니다. 본 논문에서는 팬-아웃 라우팅을 위한 첨단 패키징용 미분 가능한 라우팅 가능성 기반 플로어플래닝 및 핀 할당 알고리즘을 제안합니다. 첫째, 미분 가능한 와이어 길이 최소화 방법은 이산적인 칩 방향을 직접 모델링하고 와이어 길이 기울기를 칩 위치와 방향으로 역전파합니다. 이는 고정된 핀 선택 하에서 와이어 길이를 줄이면서 연속 각도 모델링의 편향을 피합니다. 둘째, 교차 인지(crossing-aware) 핀 할당 방법은 네트 교차 비용을 다중 전략 DPSO 알고리즘에 통합하고 GPU 병렬 비용 평가를 사용하여 와이어 길이를 효율적으로 줄입니다. 마지막으로, 미분 가능한 라우팅 가능성 최대화 방법은 팬-아웃 라우팅에 맞춘 혼잡도 모델을 구축하고, 이 혼잡도 정보로부터 칩 위치로 역전파 경로를 설정하여 라우팅 가능성 최적화를 안내합니다. 실험 결과에 따르면, 본 방법은 모든 벤치마크에서 100%의 라우팅 가능성을 달성했습니다. 베이스라인이 성공적으로 라우팅한 경우에도, 본 논문의 핀 할당 흐름을 갖춘 선도적인 플로어플래닝 방법과 비교하여 최대 약 23%의 와이어 길이 감소를 보였습니다.