AiDRC：通过人工智能驱动的设计规则违规预测与检查来加速详细布线过程

《ACM Transactions on Design Automation of Electronic Systems》：AiDRC: Accelerating Detailed Routing by AI-Driven Design Rule Violation Prediction and Checking

AI模型用于DRV评估优化，预详细布线阶段预测并详细布线阶段检查，加速16倍和293倍，消除44%无效DRV，缓解数据不平衡问题。

　　

摘要

在设计规则违规（Design Rule Violation, DRV）的评估与优化方面，现代VLSI物理设计面临着重大挑战。由于这些评估对提高设计收敛效率至关重要，因此快速、准确的布线可行性和DRV检测方法受到了广泛的研究关注。传统的详细布线及设计规则检查（Detailed Routing and Design Rule Checking, DRC）过程计算成本较高。为了解决这些问题，本研究利用人工智能模型在预详细布线阶段预测DRV的位置，并在详细布线过程中进行DRV检测，从而实现了快速、精确的DRV评估。通过在ResNet框架中引入交叉注意力机制（crisscross attention mechanism）和通道变换器（channel transformer），所提出的DRV预测与检测模型能够学习非局部特征及跨层特征之间的关系，并有效缓解数据不平衡带来的负面影响。实验结果表明，该模型的预测准确率（AUC）为0.987，F1分数为0.934。值得注意的是，当该模型集成到开源的详细布线工具中时，预测模块的运行速度提升了16倍，而检测模块的运行速度则提升了293倍。通过将预测结果应用于详细布线工具，该框架平均消除了初始布线结果中44%的违规问题，有效弥合了数据驱动预测与基于规则的传统详细布线工作流程之间的差距。