面向先进工艺节点的机器学习辅助设计技术协同优化框架：基于数字模块 PPA 的 DTCO 参数分析与探索

《ACM Transactions on Design Automation of Electronic Systems》：ML-assisted Design Technology Co-Optimization Framework for Advanced Process Nodes: Analysis and Exploration of DTCO Parameters using PPA of Digital Blocks

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

设计与技术协同优化（DTCO）是在优化技术和设计的同时增强半导体性能、功耗和面积（PPA）的过程，其中重要组成部分是使用块级 PPA 分析来评估技术、设计规则和单元架构。本文提出了一种适用于先进工艺节点的新型机器学习（ML）辅助 DTCO 框架。我们框架的关键特性包括：(1) 实时精确分析 DTCO 参数变化，并在可接受的运行时间内识别最优 DTCO 参数配置；(2) 通过标准单元（SC）库生成和 PPA 评估全面探索 PPA 指标，为此我们开发了一种新算法来加速必要的物理设计过程；(3) 支持基于互补场效应晶体管（CFET）的标准单元和多行高标准单元。通过对基准电路的实验，我们展示了我们的 DTCO 框架保留了 PPA 变化的趋势，并精确识别了最优 DTCO 参数集，同时大大提高了效率。此外，结果表明我们支持基于 CFET 的标准单元和多行高标准单元的 SC 布局生成器提供了一种与当前技术进步相关的及时 DTCO 过程。

AI 摘要

AI 生成摘要（实验性）

本摘要由自动化工具生成，未经论文作者撰写或审阅。它旨在支持发现功能，帮助读者评估相关性，并协助来自相邻研究领域的读者理解该研究。它旨在作为作者提供的摘要的补充，而作者提供的摘要仍然是论文的主要摘要。完整文章仍然是权威记录版本。点击此处了解更多。

点击此处评论此摘要的准确性、清晰度和实用性。这样做将有助于改进和未来的重新生成版本。

要查看此 AI 生成的通俗语言摘要，您必须拥有高级访问权限。