FlowPlace: 칩 배치 위한 플로우 매칭
요약
FlowPlace는 반도체 물리 설계의 핵심 단계인 칩 배치 문제를 해결하기 위해 개발된 새로운 프레임워크입니다. 기존 생성형 모델 기반 솔루션들이 가진 무작위 데이터 의존성, 긴 샘플링 시간, 오버랩 문제 등의 한계를 극복했습니다. FlowPlace는 마스크 가이드드 합성 데이터 생성, 플로우 기반 효율적 학습, 그리고 하드 컨스트레인트 샘플링을 통해 높은 PPA 지표와 획기적으로 빠른 속도(10~50배)를 달성하며 오버랩이 없는 레이아웃을 제공합니다.
핵심 포인트
- FlowPlace는 칩 배치를 위한 생성형 모델 기반의 새로운 접근 방식입니다.
- 기존 방법론의 문제점 (무작위 데이터 의존, 긴 샘플링 시간, 오버랩 발생)을 해결했습니다.
- 마스크 가이드드 합성 데이터와 플로우 기반 학습을 통해 효율성을 높였습니다.
- 하드 컨스트레인트 샘플링으로 오버랩이 없는 레이아웃을 보장합니다.
- OpenROAD 및 ICCAD 2015 벤치마크에서 더 나은 PPA 지표와 10~50배 빠른 속도를 입증했습니다.
칩 배치는 물리 설계에서 중요한 역할을 수행합니다. 확산 모델과 같은 생성형 모델은 유망한 학습 기반 솔루션을 제공하지만, 기존 방법론에는 다음과 같은 한계가 있습니다: 사전 학습을 위해 무작위 합성 데이터를 사용하며, 긴 샘플링 시간이 필요하고, 샘플링 과정에서 그래디언트 기반 솔버에 의존하여 종종 오버랩이 발생합니다. 이러한 문제를 해결하기 위해 우리는 마스크 가이드드 합성 데이터 생성, 유연한 사전 주입이 가능한 플로우 기반 효율적 학습, 오버랩 없는 레이아웃을 위한 하드 컨스트레인트 샘플링을 특징으로 하는 FlowPlace를 제안합니다. OpenROAD 및 ICCAD 2015 벤치마크에 대한 실험 결과, FlowPlace는 더 나은 PPA 지표를 달성하고, 10~50 배 빠른 샘플링 효율성을 보이며, 오버랩이 제로임을 확인했습니다.
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 바로가기