Россия
В статье рассматривается нейросетевой AI-помощник для автоматизации floorplanning в Cadence Virtuoso. Модуль формирует оптимизированные варианты размещения на основе данных прошлых проектов и заданных PPA-ограничений, снижая время раннего проектирования на 25–40%.
floorplanning, VLSI design, AI-assisted EDA, машинное обучение, Cadence Virtuoso, оптимизация размещения, PPA-метрики, обучение с подкреплением, физическое проектирование, многокритериальная оптимизация
1. Малинаускас, К. К. Построение графовых моделей в системах топологического проектирования СБИС с использованием диаграмм Вороного / К. К. Малинаускас // Проблемы разработки перспективных микро- и наноэлектронных систем (МЭС). – 2008. – № 1. – С. 114-119. – EDN MQJAEN.
2. Ерохин, В. В. Визуализация данных в программном обеспечении Cadence при проектировании топологических описаний СБИС систем на кристалле / В. В. Ерохин, Р. А. Вольф, Ж. Б. Садыков // Инфографика и информационный дизайн: визуализация данных в науке : материалы Международной научно-практической конференции, Омск, 17–18 ноября 2017 года. – Омск: Омский государственный технический университет, 2017. – С. 112-118. – EDN XHVQYR.
3. Глушань, В. М. Исследование модели распределенного топологического проектирования СБИС средствами иерархической клиент-серверной архитектуры / В. М. Глушань, П. В. Лаврик, М. В. Рыбальченко // Проблемы разработки перспективных микро- и наноэлектронных систем (МЭС). – 2016. – № 2. – С. 190-196. – EDN WQSJDL.
