事实：一种快速且准确的多角预测器，用于商业EDA流程中的时序闭合（Timing Closure）问题

《ACM Transactions on Design Automation of Electronic Systems》：FACT: Fast and Accurate Multi-Corner Predictor for Timing Closure in Commercial EDA Flows

随着技术规模深入纳米级，技术角数量激增，传统静态时序分析耗时且难以应对非线性关系。本文提出FACT方法，仅需单已知角即可快速预测全角时序指标，有效捕捉技术文件间关联，支持商用EDA流程，实验验证其稳定性和速度优势显著。

　　

摘要

随着技术不断向深纳米领域发展，技术相关问题的数量从几十个激增至数百个。这种数量的急剧增加极大地复杂化了工程变更订单（ECO）阶段的时序分析过程，因为对所有相关问题进行静态时序分析（STA）变得越来越耗时且具有挑战性。现有的方法通常利用机器学习（ML）技术，根据已知的一小部分问题来预测未知的问题。然而，随着问题总数的增加，这些方法不仅需要更多的已知问题作为参考，还对已知问题的选择非常敏感。此外，为了提高能效，设计师将设计推向接近阈值电压的区域，这导致相关问题的数量进一步增加，问题之间的非线性也变得更加明显。这使得基于ML的现有方法难以准确预测所有相关问题的时序指标。在这项工作中，我们提出了FACT，这是一种快速且准确的多问题预测器，用于时序分析优化。我们的方法通过仅在一个已知问题的基础上进行时序分析来简化这一过程。通过有效捕捉不同技术文件之间的相关性，FACT能够在接近阈值电压的复杂条件下稳健地推断出所有相关问题的时序指标。此外，我们的框架能够无缝集成到商业EDA设计流程中，使其在工业环境中具有实用性。针对开源设计的实验结果表明，我们的方法具有更高的稳定性，并且在运行时间上显著优于传统的以及基于ML的时序ECO流程。