Trinity: 생성형 플로어플래너 학습, 정제 및 평가를 위한 단일 미분 가능 물리 모델

플로어플래닝(Floorplanning)은 칩의 블록들을 배치하고, 블록들을 가깝게 붙이는 목표(objectives), 짧은 배선 길이(short wirelength)와 작은 외곽선(small outline) 등의 목적과, 이들을 분리하는 제약 조건(constraints), 비겹침(non-overlap), 클러스터(clusters), MIB 모양(MIB shapes), 경계 블록(boundary blocks) 등의 제약을 고려하여 그 모양을 결정합니다. 최근의 확산 기반 플래서(diffusion placers)들은 참조 레이아웃(reference layouts)만을 가지고 학습하며, 이 결합된 시스템을 가이던스(guidance), 사후 루프(post-hoc loops), 그리고 법규화기(legalizer)에 맡기고 최종 결과물만 보고합니다. 이는 생성기가 기여하는 바를 숨깁니다. 우리는 FloorSet에서 네 가지 플래서를 하나의 레시피로 재구현하고, 원본(raw), 정제된(refined), 법규화된 레이아웃을 단일 스케일에서 평가하며, Trinity를 제안합니다. Trinity는 제약 조건과 목적에 대한 여섯 개의 미분 가능 함수를 가진 흐름 매칭 플로어플래너(flow-matching floorplanner)이며, 이 함수들은 학습 손실 항(training loss term), 샘플링 후 폐쇄형 공식 정제기(closed-form refiner)의 에너지, 그리고 모든 단계에 대한 소프트 비용(soft cost)의 기반이 됩니다. 따라서 네트워크는 플래서들이 샘플러에서 적용하는 보정 사전 지식(correction prior)을 학습하며, 샘플링은 가이던스가 필요 없습니다. 단계별로, 학습 항은 일반 트랜스포머(plain transformer)의 원본 소프트 비용을 26% 낮추고 짧은 예산(short budgets)에서 가장 중요하게 작용합니다. 공유 정제기(shared refiner)는 생성기보다 최종 비용의 더 많은 부분을 결정하며, 포팅된 플래서(ported placer)의 루프를 16배에서 660배 적은 단계로 일치시킵니다. Trinity의 정제된 소프트 비용은 최고 성능의 포팅 파이프라인보다 36% 낮으며, 소프트 비용은 컨테스트의 하드 비용(hard cost)처럼 설정을 순위화합니다. 그리고 FloorSet 검증 세트에서 이 파이프라인은 케이스당 평균 하드 비용 1.014를 1.63초 만에 달성합니다.