《圖的譜方法及其在納米尺度積體電路分析最佳化中的套用》是依託復旦大學，由楊帆擔任項目負責人的面上項目。
基本介紹
- 中文名：圖的譜方法及其在納米尺度積體電路分析最佳化中的套用
- 依託單位：復旦大學
- 項目類別：面上項目
- 項目負責人：楊帆
項目摘要,結題摘要,
項目摘要
隨著積體電路特徵尺寸的縮小和集成度的增加，積體電路設計最佳化處理問題規模不斷膨脹，需要藉助層次化方法來降低計算複雜度，提升處理問題規模。同時由於光刻所用光源的波長未顯著減小，積體電路也面臨光刻解析度方面的挑戰。本課題提出利用圖的譜方法來解決積體電路層次化構建、光刻熱點檢測、多次曝光工藝版圖分解問題。(1) 提出快速可並行的譜聚類方法，套用於層次化的積體電路分析最佳化。相比已有啟發式算法，聚合結果更精確，具有數學理論支撐。(2) 提出利用譜聚類方法快速提取版圖中關鍵特徵圖，並將圖的譜作為支持向量機特徵來檢測關鍵特徵圖，實現光刻熱點檢測。 (3) 提出利用圖的譜理論中的最小染色數的界，在設計早期衡量版圖是否適合多次曝光工藝。並提出用譜聚類方法求解多次曝光版圖分解的染色問題。這些新理論和新方法不僅將有效提升上述積體電路設計自動化問題的求解效率，同時對圖的譜分析理論和方法的發展也具有重要意義。
結題摘要
本課題主要圍繞圖的譜方法及其在積體電路分析最佳化中的套用開展研究，研究了超大規模問題的譜聚類方法，圖的譜方法在光刻熱點檢測問題及多次曝光版圖圖形分解問題中的套用以及基於譜聚類的層次化方法在積體電路分析最佳化問題中的套用等問題，完成了預期的研究目標。提出了基於預劃分和並行的超大規模問題的譜聚類方法，可以提升聚類效率1個量級, 該方法被用於大規模電源地網路的降階，可以降仿真速度提升18倍以上；提出將譜聚類方法用於提取版圖中的關鍵子圖，用於加速光刻熱點檢測；提出了基於正切空間測度和層次化的基於密度的聚類方法用於光刻熱點分類,提高了分類精度；提出了針對先進光刻工藝的版圖分解、切割點分配及布線算法；提出了系列貝葉斯方法利用不同層次電路的相關性來提高電路的分析效率；提出了系列利用貝葉斯最佳化策略來提升電路最佳化效率的方法，並套用於電路性能和成品率最佳化，可以提升最佳化效率2-5倍；發展了多目標貝葉斯最佳化和並行貝葉斯最佳化方法。至結題時，共發表論文26篇，其中SCI論文8篇，EI論文17篇。在IEEE Trans.上發表論文7篇，在積體電路設計自動化領域的最重要的國際會議IEEE/ACM DAC發表論文5篇，在機器學習領域頂級國際會議ICML發表論文1篇。此外，還在本領域的重要國際會議FPGA、ICCAD、DATE、ASPDAC、ISCAS上發表論文11篇。申請國家發明專利3項，獲得軟體著作權登記1項。基於層次化譜方法的電源地網路降階方法2018年獲得國際期刊Integration, the VLSI Journal最佳論文獎。此外，項目組還獲得了DAC’2017、ASPDAC’2017最佳論文提名。項目負責人楊帆2018年獲得國家自然科學基金委優秀青年基金資助。基於譜聚類的層次化互連線模型降階方法已集成在北京華大九天軟體有限公司的商用工具中，華大九天的相應工具已經在上百家單位套用。2018年，基於譜聚類的互連線模型降階工具還集成到了中物院高性能數值模擬軟體中心的電路仿真工具JEMS-CDS中。本項目共培養博士3名，碩士6名。
