破百亿晶体管难题，南大钱超团队斩获EDA顶会最佳论文，引领AI领域新革命
在芯片设计领域，为多达百亿量级晶体管设计最优布局，一直是一个难解的技术难题。近日，南京大学人工智能学院的LAMDA组钱超教授团队在电子设计自动化（EDA）领域的顶级国际学术会议DATE 2025上发表的论文「Timing-Driven Global Placement by Efficient Critical Path Extraction」，以其创新的时序驱动布局方法，巧妙地将效率和精度统一起来，成功解决了这一难题，并获得了最佳论文奖。这一突破性的研究成果，无疑为AI领域带来了一场新的革命。
首先，让我们了解一下EDA行业的重要性。电子设计自动化（EDA）是芯片设计的基石产业，被誉为「芯片之母」。随着人工智能、物联网、云计算等技术的飞速发展，芯片设计行业对EDA工具的需求日益增长。而布局是芯片设计流程中的关键步骤之一，直接影响到芯片的性能、功耗、面积等多个方面。因此，如何设计出最优的布局方案，一直是芯片设计行业面临的重要挑战。
在此背景下，南大钱超团队的研究成果可谓振奋人心。他们提出了一种全新的时序驱动布局方法，将效率和精度统一起来。该方法的核心在于「智能关键路径提取」技术，能够快速定位需要优化的关键路径，将分析速度提升了6倍。这一创新方法相较于传统的基于线网的加权方案，在时序分析中实现了6倍加速，同时还能精确捕捉时序违例路径上的引脚对来建模时序信息，显著提升时序指标的同时，几乎不造成整体线长的损失。
更为值得一提的是，该论文在ICCAD-2015竞赛数据集上进行了广泛的对比，相较于最先进的开源布局算法DREAMPlace 4.0，在TNS指标上达到了60%的平均提升。这一显著提升无疑证明了南大钱超团队的创新方法在实际应用中的优越性。
然而，这一成果的取得并非一蹴而就。钱超教授团队长期努力，希望能够建立起相应理论基础，并对算法设计给出指导。他们在2019年出版的专著《Evolutionary Learning: Advances in Theories and Algorithms》中，总结了他们在该方向上过去二十年的主要工作。这种对理论研究的重视和投入，无疑为团队的创新提供了坚实的支撑。
除了理论支持，南大钱超团队还基于长期理论研究，设计出了多个原创领先算法。这些算法针对芯片设计中的复杂优化问题，如宏元件布局、全局布局、宏元件布局问题等，取得了显著的提升。例如，团队在NeurIPS’23发表的工作「Macro Placement by Wire-Mask-Guided Black-Box Optimization」，通过训练策略对已有布局进行高效微调，在时序和拥塞等指标上均取得了一致的显著提升；在DAC’25发表的工作「ReMaP: Macro Placement by Recursively Prototyping and Periphery-Guided Relocating」将大量专家知识引入算法，优化了宏元件和标准元件的数据流，更加符合工业界的实际需求。
这些技术在华为海思落地验证，攻克了华为「EDA 专题难题：超高维空间多目标黑盒优化技术」，将芯片寄存器寻优效率平均提升22.14倍等。这些成果不仅展示了南大钱超团队的实力，也表明了他们在推动AI技术在芯片设计领域的应用方面做出了重要贡献。
总的来说，南大钱超团队在DATE 2025上的突破性成果，无疑为AI领域带来了一场新的革命。他们的创新方法和领先算法，不仅提升了芯片设计的效率和质量，也为其他领域的应用提供了新的思路和可能。我们期待他们在未来的研究中取得更多的突破性成果，为推动人工智能的发展做出更大的贡献。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
