1. 項(xiàng)目概述當(dāng)物理設(shè)計(jì)遇上智能體在芯片設(shè)計(jì)的漫長流程中物理設(shè)計(jì)Physical Design無疑是決定最終芯片性能、功耗和面積即QoR Quality of Results的“最后一公里”。傳統(tǒng)上這是一個高度依賴專家經(jīng)驗(yàn)、迭代周期漫長且充滿不確定性的“黑盒”過程。工程師們需要像下棋一樣在布局、時鐘樹綜合、布線等不同階段做出無數(shù)決策任何一個環(huán)節(jié)的微小偏差都可能導(dǎo)致最終結(jié)果不達(dá)標(biāo)甚至需要推倒重來。近年來盡管EDA工具引入了越來越多的自動化優(yōu)化選項(xiàng)但如何為特定設(shè)計(jì)在特定階段選擇最優(yōu)的策略組合依然是一個巨大的挑戰(zhàn)。這就像給一個復(fù)雜的迷宮提供了無數(shù)條可能的路徑卻沒有一張清晰的地圖。正是在這樣的背景下AgenticPD這個項(xiàng)目引起了我的注意。它提出了一種“階段感知的智能體框架”目標(biāo)直指物理設(shè)計(jì)的QoR優(yōu)化。簡單來說它試圖將人工智能中的“智能體”Agent概念引入物理設(shè)計(jì)流程讓一個或多個具備學(xué)習(xí)、決策和交互能力的智能程序來替代或輔助人類專家動態(tài)地、有策略地驅(qū)動整個優(yōu)化過程。這不僅僅是簡單的腳本自動化而是一個能理解設(shè)計(jì)狀態(tài)、評估優(yōu)化效果、并自主調(diào)整策略的“虛擬設(shè)計(jì)專家”。其核心創(chuàng)新點(diǎn)“階段感知”Stage-Aware更是切中了要害——它承認(rèn)物理設(shè)計(jì)不是一個均質(zhì)的過程布局、時鐘樹、布線等不同階段的目標(biāo)、約束和可操作空間截然不同一個優(yōu)秀的優(yōu)化框架必須能識別并適應(yīng)這種階段性差異。對于身處一線的芯片設(shè)計(jì)工程師、CAD工程師以及EDA方法學(xué)研究者而言AgenticPD所描繪的圖景極具吸引力。它承諾的不僅是效率的提升更是一種設(shè)計(jì)范式的轉(zhuǎn)變從依賴固定流程和手動調(diào)參的經(jīng)驗(yàn)主義轉(zhuǎn)向數(shù)據(jù)驅(qū)動、自適應(yīng)、可學(xué)習(xí)的智能化流程。接下來我將結(jié)合自己多年在物理設(shè)計(jì)自動化領(lǐng)域的實(shí)踐深入拆解這個框架可能的核心思路、技術(shù)實(shí)現(xiàn)難點(diǎn)以及它為我們帶來的實(shí)際價(jià)值。2. 核心思路拆解為何需要“階段感知”的智能體要理解AgenticPD首先要拋開對“AI優(yōu)化”的籠統(tǒng)想象。在物理設(shè)計(jì)領(lǐng)域我們早已見過基于機(jī)器學(xué)習(xí)預(yù)測擁塞、基于強(qiáng)化學(xué)習(xí)優(yōu)化布局等點(diǎn)狀應(yīng)用。AgenticPD的野心顯然更大它旨在構(gòu)建一個覆蓋全流程的、統(tǒng)一的智能決策框架。其核心思路可以分解為三個層次智能體化、階段感知和QoR導(dǎo)向的閉環(huán)優(yōu)化。2.1 從自動化腳本到自主智能體傳統(tǒng)的物理設(shè)計(jì)流程依賴于工程師編寫的Tcl腳本或Makefile這些腳本本質(zhì)上是靜態(tài)的指令序列。它們按照預(yù)設(shè)的步驟和參數(shù)運(yùn)行無論中間結(jié)果好壞都會機(jī)械地執(zhí)行到下一步。例如一個腳本可能規(guī)定“先做全局布局優(yōu)化密度至70%然后進(jìn)行詳細(xì)布局最后執(zhí)行時鐘樹綜合?！?如果全局布局后時序已經(jīng)很緊張這個腳本并不會自動調(diào)整后續(xù)的優(yōu)化強(qiáng)度或策略。AgenticPD引入的“智能體”則是一個具備感知、決策、執(zhí)行和學(xué)習(xí)能力的軟件實(shí)體。在這個框架中智能體至少需要具備以下能力環(huán)境感知能夠讀取當(dāng)前設(shè)計(jì)階段的各類狀態(tài)信息如時序報(bào)告Timing Report、功耗報(bào)告Power Report、布線擁塞圖Congestion Map、單元密度Cell Density等。這相當(dāng)于智能體的“眼睛”。策略決策基于當(dāng)前感知到的狀態(tài)和歷史經(jīng)驗(yàn)從一系列可用的EDA工具命令和參數(shù)組合即“動作空間”中選擇下一步要執(zhí)行的最優(yōu)動作。例如是應(yīng)該先修復(fù)建立時間Setup Time違規(guī)還是先降低功耗應(yīng)該將布局密度約束收緊到65%還是保持70%這相當(dāng)于智能體的“大腦”。動作執(zhí)行調(diào)用相應(yīng)的EDA工具如Synopsys ICC2, Cadence Innovus執(zhí)行選定的命令并等待結(jié)果。這是智能體的“手”。獎勵評估動作執(zhí)行后設(shè)計(jì)狀態(tài)發(fā)生變化。智能體需要根據(jù)新的狀態(tài)評估該動作的效果即計(jì)算“獎勵”Reward。獎勵函數(shù)的設(shè)計(jì)是核心它必須緊密圍繞最終的QoR目標(biāo)例如時序改進(jìn)為正獎勵面積增大為負(fù)獎勵功耗降低為正獎勵等。通過將這四步循環(huán)起來智能體就能與物理設(shè)計(jì)流程這個“環(huán)境”進(jìn)行持續(xù)交互通過試錯學(xué)習(xí)找到達(dá)到最優(yōu)QoR的策略序列。這比靜態(tài)腳本靈活得多。2.2 “階段感知”的必要性與實(shí)現(xiàn)難點(diǎn)“階段感知”是AgenticPD區(qū)別于通用強(qiáng)化學(xué)習(xí)框架的關(guān)鍵。物理設(shè)計(jì)的各個階段如布局、時鐘樹綜合、布線、簽核本質(zhì)上是不同的優(yōu)化子問題具有異構(gòu)的狀態(tài)空間、動作空間和獎勵函數(shù)。狀態(tài)空間異構(gòu)布局階段關(guān)心單元密度和粗略時序時鐘樹綜合階段關(guān)心時鐘偏移Skew和延遲Latency布線階段則更關(guān)注實(shí)際繞線資源、串?dāng)_Crosstalk和詳細(xì)時序。智能體需要能理解并處理這些不同的特征表示。動作空間異構(gòu)每個階段可用的EDA工具命令完全不同。布局階段可以移動單元、調(diào)整尺寸、插入緩沖器布線階段可以調(diào)整布線層、進(jìn)行時序驅(qū)動布線或工程變更命令ECO。智能體需要掌握不同階段的“技能庫”。獎勵函數(shù)異構(gòu)不同階段的優(yōu)化側(cè)重點(diǎn)不同。布局初期可能更關(guān)注擁塞預(yù)防和面積后期則聚焦時序收斂時鐘樹綜合的核心目標(biāo)是低偏移和可控的功耗。一個統(tǒng)一的獎勵函數(shù)很難在所有階段都有效。因此一個樸素的、單一的智能體很難勝任全流程優(yōu)化。AgenticPD框架很可能采用以下幾種架構(gòu)之一來實(shí)現(xiàn)階段感知分層智能體架構(gòu)設(shè)計(jì)一個頂層“管理器”智能體負(fù)責(zé)判斷當(dāng)前處于哪個設(shè)計(jì)階段并將任務(wù)分配給專精于該階段的“子智能體”。每個子智能體只學(xué)習(xí)和優(yōu)化本階段的任務(wù)。基于階段的策略網(wǎng)絡(luò)使用一個統(tǒng)一的智能體但其策略網(wǎng)絡(luò)的輸入包含一個“階段編碼”Stage Encoding向量。這個向量告訴智能體當(dāng)前所處的階段從而使其內(nèi)部網(wǎng)絡(luò)能調(diào)用不同的“知識模塊”來做出決策。課程學(xué)習(xí)Curriculum Learning讓智能體按照設(shè)計(jì)流程的自然順序先布局、再時鐘樹、再布線進(jìn)行訓(xùn)練前一階段的學(xué)習(xí)成果作為后一階段的基礎(chǔ)智能體逐步掌握越來越復(fù)雜的技能。在實(shí)際工程中分層架構(gòu)可能更穩(wěn)定、更易解釋。我們可以為布局、時鐘樹、布線分別訓(xùn)練三個智能體然后設(shè)計(jì)一個簡單的狀態(tài)機(jī)來協(xié)調(diào)它們的執(zhí)行順序和交接條件。2.3 QoR目標(biāo)的量化與多目標(biāo)權(quán)衡QoR優(yōu)化從來都不是單目標(biāo)問題。我們通常需要在時序頻率、功耗、面積PPA之間進(jìn)行權(quán)衡有時還要考慮可制造性DFM、可靠性等。智能體的獎勵函數(shù)必須能夠量化這個多目標(biāo)優(yōu)化問題。一種常見的方法是設(shè)計(jì)一個加權(quán)和的獎勵函數(shù)Reward w1 * Timing_Score w2 * Power_Score w3 * Area_Score其中Timing_Score可能是負(fù)的總違例時間Total Negative Slack, TNS或違例路徑數(shù)量Worst Negative Slack, WNS的負(fù)值Power_Score是總功耗的負(fù)值A(chǔ)rea_Score是核心面積Core Area的負(fù)值。權(quán)重w1, w2, w3由設(shè)計(jì)需求決定。但這里有一個陷阱不同目標(biāo)的量綱和變化范圍差異巨大。時序違例可能從數(shù)納秒優(yōu)化到零而面積變化可能只有幾個百分點(diǎn)。直接加權(quán)求和會導(dǎo)致智能體只關(guān)注變化幅度最大的目標(biāo)忽略其他。因此歸一化Normalization或標(biāo)準(zhǔn)化Standardization至關(guān)重要。我們需要基于歷史數(shù)據(jù)或設(shè)計(jì)規(guī)格將每個QoR指標(biāo)映射到一個相對統(tǒng)一的尺度上例如0到1之間。更高級的方法是使用多目標(biāo)強(qiáng)化學(xué)習(xí)算法如基于帕累托前沿Pareto Front的方法讓智能體學(xué)會探索PPA空間中的一系列最優(yōu)折衷方案而不是單個點(diǎn)。實(shí)操心得獎勵函數(shù)設(shè)計(jì)是“指揮棒”在設(shè)計(jì)獎勵函數(shù)時我最大的體會是它直接決定了智能體的“價(jià)值觀”。如果你只獎勵時序改進(jìn)智能體可能會瘋狂插入緩沖器來修復(fù)違例導(dǎo)致面積和功耗爆炸。一個實(shí)用的技巧是引入“懲罰項(xiàng)”例如對單元數(shù)量增量、布線層數(shù)、緩沖器插入數(shù)量進(jìn)行輕微懲罰鼓勵智能體用更“優(yōu)雅”的方式解決問題。此外獎勵應(yīng)該是“增量式”的即評估單個動作帶來的微小變化而不是每次都要等整個流程跑完再看最終結(jié)果那樣學(xué)習(xí)效率太低。3. 框架核心組件與實(shí)現(xiàn)路徑推演基于上述思路我們可以嘗試勾勒出AgenticPD框架可能包含的核心組件及其實(shí)現(xiàn)方式。這并非官方實(shí)現(xiàn)而是基于常見實(shí)踐和項(xiàng)目目標(biāo)所做的合理推演。3.1 環(huán)境封裝器連接智能體與EDA工具這是整個框架的基石。它的任務(wù)是將復(fù)雜的、商業(yè)化的EDA工具環(huán)境抽象成一個強(qiáng)化學(xué)習(xí)智能體可以理解的標(biāo)準(zhǔn)化“環(huán)境”。這個封裝器需要實(shí)現(xiàn)幾個關(guān)鍵接口reset()初始化一個新的設(shè)計(jì)環(huán)境通常是從一個初始的、經(jīng)過邏輯綜合的網(wǎng)表Netlist和約束文件SDC開始。step(action)這是核心。接收智能體發(fā)出的“動作”指令將其翻譯成具體的EDA工具命令Tcl命令提交給后臺的ICC2或Innovus等工具執(zhí)行。執(zhí)行完畢后它需要解析工具生成的日志文件、報(bào)告文件提取新的設(shè)計(jì)狀態(tài)State。get_state()從當(dāng)前設(shè)計(jì)數(shù)據(jù)庫中提取狀態(tài)特征。這需要開發(fā)一套特征提取腳本可能包括時序特征WNS, TNS, 違例路徑數(shù)量各時序路徑組的松弛Slack分布直方圖。物理特征全局和局部單元密度行利用率Row Utilization標(biāo)準(zhǔn)單元和宏模塊Macro的分布。布線特征全局布線擁塞Global Route Congestion熱點(diǎn)圖各金屬層的使用率預(yù)估的線長Wirelength。功耗特征靜態(tài)功耗、動態(tài)功耗的初步預(yù)估。 這些特征需要被處理成固定維度的向量或張量供神經(jīng)網(wǎng)絡(luò)使用。calculate_reward(old_state, new_state)根據(jù)新舊狀態(tài)的對比計(jì)算執(zhí)行動作所獲得的即時獎勵。實(shí)現(xiàn)這個封裝器需要深厚的EDA工具腳本開發(fā)功底。通常使用Python來調(diào)用EDA工具的Tcl命令行接口CLI或者通過其提供的API如Synopsys的Tcl Shell進(jìn)行交互。一個穩(wěn)定、可靠、能處理各種工具異常如DRC錯誤、時序不收斂的封裝器是項(xiàng)目成功的一半。3.2 智能體架構(gòu)選擇策略網(wǎng)絡(luò)與學(xué)習(xí)算法智能體是框架的“大腦”。對于物理設(shè)計(jì)這種狀態(tài)空間巨大特征維度高、動作空間離散不同的命令組合且需要長期規(guī)劃的問題深度強(qiáng)化學(xué)習(xí)是自然的選擇。策略網(wǎng)絡(luò)Policy Network通常采用基于Actor-Critic的架構(gòu)。Actor網(wǎng)絡(luò)策略網(wǎng)絡(luò)輸入當(dāng)前狀態(tài)輸出一個在所有可能動作上的概率分布。智能體根據(jù)這個分布采樣選擇動作。為了處理階段感知可以在網(wǎng)絡(luò)輸入中拼接一個階段獨(dú)熱編碼One-hot Stage Encoding或者在網(wǎng)絡(luò)中間層引入階段特定的適配層Adapter Layer。Critic網(wǎng)絡(luò)價(jià)值網(wǎng)絡(luò)評估在當(dāng)前狀態(tài)下遵循當(dāng)前策略所能獲得的長期累積獎勵的期望值。它用于指導(dǎo)Actor網(wǎng)絡(luò)的更新告訴它哪些動作在長期看來更好。學(xué)習(xí)算法近端策略優(yōu)化PPO或軟演員-評論家SAC是當(dāng)前在復(fù)雜環(huán)境中比較穩(wěn)定和流行的選擇。它們能較好地平衡探索嘗試新動作和利用使用已知好動作并且對超參數(shù)相對不那么敏感?？紤]到物理設(shè)計(jì)仿真一次即運(yùn)行一步step耗時可能從幾分鐘到幾小時樣本效率至關(guān)重要。因此離線強(qiáng)化學(xué)習(xí)Offline RL或從大量歷史設(shè)計(jì)數(shù)據(jù)中預(yù)訓(xùn)練一個策略模型再進(jìn)行在線微調(diào)是一個更可行的工程路徑。我們可以收集過往成功項(xiàng)目的設(shè)計(jì)數(shù)據(jù)庫、操作日志和最終QoR構(gòu)建一個“專家數(shù)據(jù)集”讓智能體先從這個數(shù)據(jù)集中學(xué)習(xí)初步策略。3.3 階段感知模塊的具體設(shè)計(jì)如何讓框架“知道”自己處在哪個階段一個直觀且可靠的方法是基于設(shè)計(jì)進(jìn)度和關(guān)鍵檢查點(diǎn)。我們可以定義一系列階段標(biāo)志位和轉(zhuǎn)換條件階段入口條件狀態(tài)特征側(cè)重可用動作示例初始布局設(shè)計(jì)加載完成未進(jìn)行任何物理優(yōu)化邏輯深度扇出初始面積預(yù)估place_opt -effort low, 設(shè)置密度目標(biāo)全局布局優(yōu)化單元已初步放置全局擁塞粗略時序TNS密度分布psynopt -congestion, 調(diào)整布局約束增量布局時鐘樹綜合布局后時序基本穩(wěn)定時鐘路徑延遲時鐘偏移時鐘功耗clock_opt -no_clock_route, 調(diào)整時鐘樹結(jié)構(gòu)如H-tree, X-tree布線前優(yōu)化時鐘樹已合成建立/保持時間違例時鐘網(wǎng)絡(luò)傳播延遲opt_design -post_cts, 插入延遲單元尺寸優(yōu)化全局布線優(yōu)化后設(shè)計(jì)全局布線擁塞圖預(yù)估線長route_global, 調(diào)整布線層分配策略詳細(xì)布線與優(yōu)化全局布線完成詳細(xì)時序SI考慮DRC違例數(shù)量實(shí)際線長route_detail,opt_design -post_route, 串?dāng)_修復(fù)階段感知模塊監(jiān)控設(shè)計(jì)狀態(tài)當(dāng)滿足某個階段的入口條件時就激活對應(yīng)的子智能體或切換策略網(wǎng)絡(luò)的模式。同時它還需要處理階段間的信息傳遞例如布局智能體最終輸出的擁塞熱點(diǎn)圖應(yīng)該作為布線智能體初始狀態(tài)的一部分。4. 實(shí)操模擬構(gòu)建一個簡化的布局優(yōu)化智能體為了更具體地說明我們模擬構(gòu)建一個專注于“全局布局優(yōu)化”階段的簡化智能體。這個例子將展示從特征提取到動作執(zhí)行的全過程。4.1 狀態(tài)特征提取實(shí)戰(zhàn)假設(shè)我們使用Synopsys ICC2狀態(tài)特征可以通過Tcl腳本提取后由Python封裝器解析。# ICC2 Tcl 腳本片段提取布局后狀態(tài) report_timing -max_paths 100 -delay_type max -nosplit timing_max.rpt report_design_physical -utilization util.rpt report_congestion -global -noise cong.rpt # 解析時序報(bào)告計(jì)算關(guān)鍵指標(biāo) set wns [get_attribute [get_timing_paths -max_paths 1 -nworst 1] slack] set tns 0 foreach path [get_timing_paths -max_paths 100 -nworst 100] { set slack [get_attribute $path slack] if {$slack 0} { set tns [expr $tns $slack] } } set violating_paths [llength [get_timing_paths -slack_lesser_than 0]] # 解析利用率報(bào)告 # ... 解析util.rpt文件獲取平均行利用率最大局部密度等 # 解析擁塞報(bào)告 # ... 解析cong.rpt文件獲取超過100%利用率的GCell比例最大過載值等Python封裝器會讀取這些報(bào)告文件解析出數(shù)值并組織成特征向量例如state_vector [wns, tns, violating_paths, avg_utilization, max_local_density, congestion_overflow_ratio, ...]所有特征需要進(jìn)行歸一化處理比如將wns除以時鐘周期將利用率除以100等。4.2 動作空間設(shè)計(jì)在布局優(yōu)化階段我們定義一組離散的動作每個動作對應(yīng)一個或一組ICC2命令動作0psynopt -congestion -power執(zhí)行一次綜合性的布局優(yōu)化側(cè)重?fù)砣凸膭幼?psynopt -timing -area執(zhí)行一次布局優(yōu)化側(cè)重時序和面積動作2set_placement_density 0.75將布局密度目標(biāo)設(shè)置為0.75然后重跑place_opt動作3optimize_netlist -area執(zhí)行網(wǎng)表級面積優(yōu)化動作4insert_buffer -repeater在長連線上插入緩沖器/中繼器動作5size_cell對關(guān)鍵路徑上的單元進(jìn)行尺寸優(yōu)化動作空間的設(shè)計(jì)需要平衡靈活性和可學(xué)習(xí)性。動作太多會導(dǎo)致學(xué)習(xí)困難動作太少則無法覆蓋復(fù)雜場景。通常需要結(jié)合領(lǐng)域知識進(jìn)行精心設(shè)計(jì)。4.3 訓(xùn)練循環(huán)與策略學(xué)習(xí)訓(xùn)練過程在一個循環(huán)中進(jìn)行# 偽代碼示意 for episode in range(total_episodes): # 用多個不同的設(shè)計(jì)或同一設(shè)計(jì)的不同初始狀態(tài)進(jìn)行多次完整嘗試 state env.reset(design) # 加載一個設(shè)計(jì) done False while not done and steps max_steps_per_episode: # 智能體根據(jù)當(dāng)前狀態(tài)選擇動作 action_prob actor_network(state) action sample_from_prob(action_prob) # 例如選擇動作2 # 執(zhí)行動作得到新狀態(tài)和獎勵 next_state, reward, done, info env.step(action) # 將經(jīng)驗(yàn)state, action, reward, next_state存入回放緩沖區(qū) replay_buffer.push(state, action, reward, next_state, done) # 定期從回放緩沖區(qū)采樣一批數(shù)據(jù)更新Actor和Critic網(wǎng)絡(luò) if time_to_update(): batch replay_buffer.sample(batch_size) update_actor_critic(batch) # 使用PPO或SAC算法更新 state next_state訓(xùn)練的目標(biāo)是讓Actor網(wǎng)絡(luò)學(xué)會一個策略在看到某種擁塞嚴(yán)重、時序緊張的狀態(tài)時更大概率選擇動作1在看到面積利用率過低時可能選擇動作2來收緊密度約束。注意事項(xiàng)模擬速度與成本最大的實(shí)操挑戰(zhàn)在于訓(xùn)練成本。每一次env.step(action)都是一次真實(shí)的EDA工具運(yùn)行短則幾分鐘長則數(shù)小時。要完成數(shù)百萬次交互的強(qiáng)化學(xué)習(xí)訓(xùn)練在現(xiàn)實(shí)中幾乎不可能。因此構(gòu)建一個高保真的、快速的仿真環(huán)境是關(guān)鍵研究方向。這可能包括使用降階模型ROM或機(jī)器學(xué)習(xí)模型來預(yù)測某個動作對QoR的大致影響替代部分耗時工具運(yùn)行。采用分布式訓(xùn)練同時在多個服務(wù)器上并行運(yùn)行多個設(shè)計(jì)實(shí)例。大量采用遷移學(xué)習(xí)將在小規(guī)模、老舊工藝節(jié)點(diǎn)上學(xué)到的策略遷移到新設(shè)計(jì)上做微調(diào)。5. 潛在挑戰(zhàn)與應(yīng)對策略實(shí)錄將AgenticPD從概念落地到實(shí)際生產(chǎn)環(huán)境必然會遇到一系列嚴(yán)峻挑戰(zhàn)。以下是我基于類似項(xiàng)目經(jīng)驗(yàn)總結(jié)的常見“坑”及應(yīng)對思路。5.1 挑戰(zhàn)一獎勵函數(shù)的稀疏性與延遲性問題描述在物理設(shè)計(jì)中一個優(yōu)化動作如調(diào)整密度約束的效果可能不會立竿見影甚至要等到布線完成后才能看到其對時序的最終影響。這導(dǎo)致獎勵信號非常稀疏大部分動作的即時獎勵為0且高度延遲使得智能體難以建立動作與長期結(jié)果之間的關(guān)聯(lián)。排查與解決塑造獎勵Reward Shaping設(shè)計(jì)中間獎勵。例如在執(zhí)行psynopt后即使最終時序未改善但如果擁塞熱點(diǎn)減少了也可以給予一個小的正獎勵。這相當(dāng)于給智能體提供“學(xué)習(xí)線索”。使用優(yōu)勢函數(shù)Advantage Function在PPO等算法中優(yōu)勢函數(shù)A(s, a) Q(s, a) - V(s) 用于衡量某個動作相對于平均水平的優(yōu)勢。通過Critic網(wǎng)絡(luò)更好地估計(jì)狀態(tài)價(jià)值V(s)可以緩解延遲獎勵帶來的影響。引入課程學(xué)習(xí)先在一些簡單、小規(guī)模的設(shè)計(jì)上訓(xùn)練讓智能體快速獲得密集的獎勵信號學(xué)會基礎(chǔ)操作。再逐步過渡到復(fù)雜設(shè)計(jì)。5.2 挑戰(zhàn)二狀態(tài)空間的復(fù)雜性與高維度問題描述物理設(shè)計(jì)的狀態(tài)包含成千上萬個特征如所有路徑的時序松弛、所有網(wǎng)格的擁塞值直接將其作為神經(jīng)網(wǎng)絡(luò)輸入會導(dǎo)致維度災(zāi)難且大量特征可能是冗余或噪聲。排查與解決特征工程與降維利用領(lǐng)域知識篩選核心特征。例如時序方面只關(guān)注最差的N條路徑擁塞方面使用網(wǎng)格聚合統(tǒng)計(jì)值平均值、最大值、超過閾值的比例而不是每個網(wǎng)格的值?？梢允褂弥鞒煞址治鯬CA或自編碼器進(jìn)行無監(jiān)督降維。圖神經(jīng)網(wǎng)絡(luò)GNN的應(yīng)用芯片網(wǎng)表本質(zhì)是一個圖節(jié)點(diǎn)是單元和端口邊是連線。GNN能天然地處理這種非歐幾里得結(jié)構(gòu)數(shù)據(jù)捕捉單元的局部鄰域信息和網(wǎng)的全局連接性是表征設(shè)計(jì)狀態(tài)的強(qiáng)大工具。將網(wǎng)表結(jié)構(gòu)和單元物理屬性一起輸入GNN可以得到一個富有表現(xiàn)力的設(shè)計(jì)嵌入向量作為狀態(tài)。分層狀態(tài)表示同時提供全局統(tǒng)計(jì)特征和局部熱點(diǎn)特征。例如既包含整個芯片的平均利用率也包含最擁塞的5個區(qū)域的詳細(xì)特征。5.3 挑戰(zhàn)三探索與利用的平衡及安全性問題描述智能體在探索新動作時可能會發(fā)出導(dǎo)致設(shè)計(jì)規(guī)則檢查DRC大量違例、工具運(yùn)行崩潰甚至數(shù)據(jù)庫損壞的危險(xiǎn)命令。如何安全地探索排查與解決動作屏蔽Action Masking根據(jù)當(dāng)前狀態(tài)動態(tài)地屏蔽掉明顯無效或危險(xiǎn)的動作。例如當(dāng)設(shè)計(jì)已經(jīng)非常擁擠時屏蔽進(jìn)一步收緊密度約束的動作。這需要編寫一套規(guī)則引擎。在仿真環(huán)境中預(yù)訓(xùn)練如前所述先在快速仿真模型中進(jìn)行大量探索性訓(xùn)練再將學(xué)到的安全策略遷移到真實(shí)工具環(huán)境。設(shè)置安全護(hù)欄在封裝器中加入嚴(yán)格的監(jiān)控和回滾機(jī)制。一旦檢測到DRC違例數(shù)量激增、時序嚴(yán)重惡化或工具報(bào)錯立即終止本次step返回一個大的負(fù)獎勵并將設(shè)計(jì)狀態(tài)回滾到動作執(zhí)行前。人工干預(yù)與模仿學(xué)習(xí)初期可以讓智能體大量模仿人類專家的操作序列行為克隆先學(xué)會“安全駕駛”再在此基礎(chǔ)上進(jìn)行有限范圍的探索優(yōu)化。5.4 挑戰(zhàn)四泛化能力與遷移學(xué)習(xí)問題描述在一個特定設(shè)計(jì)如某個CPU模塊上訓(xùn)練出的智能體策略能否直接用于另一個差異很大的設(shè)計(jì)如一個GPU渲染單元如何避免為每個新設(shè)計(jì)都從頭訓(xùn)練解決思路學(xué)習(xí)通用表示目標(biāo)是讓智能體學(xué)會的是“在何種設(shè)計(jì)狀態(tài)下應(yīng)采取何種優(yōu)化動作”的通用原理而不是死記硬背某個特定設(shè)計(jì)的操作序列。使用GNN等對設(shè)計(jì)本身進(jìn)行編碼有助于提升泛化能力。元強(qiáng)化學(xué)習(xí)Meta-RL在大量不同的設(shè)計(jì)不同模塊、不同規(guī)模、不同工藝節(jié)點(diǎn)上進(jìn)行訓(xùn)練目標(biāo)是讓智能體學(xué)會快速適應(yīng)新任務(wù)的能力。面對一個新設(shè)計(jì)它只需要少量樣本就能調(diào)整其策略。設(shè)計(jì)特征歸一化將所有輸入特征都進(jìn)行與設(shè)計(jì)絕對規(guī)模無關(guān)的歸一化。例如時序松弛用相對于時鐘周期的百分比表示面積用利用率表示線長用平均扇出下的期望線長歸一化。AgenticPD框架的價(jià)值正是在于系統(tǒng)性地提出并嘗試用工程化的方法解決這些長期困擾物理設(shè)計(jì)自動化的核心難題。它不是一個一蹴而就的銀彈而是一個需要持續(xù)迭代、融合EDA領(lǐng)域知識與前沿AI技術(shù)的復(fù)雜系統(tǒng)工程。對于從業(yè)者而言即使無法完全實(shí)現(xiàn)一個全自動的智能體將其中的思想如階段感知的優(yōu)化、數(shù)據(jù)驅(qū)動的決策應(yīng)用到現(xiàn)有的腳本和流程中也能顯著提升工作效率和結(jié)果的可預(yù)測性。我個人最看好的短期應(yīng)用是將其作為專家的“副駕駛”處理那些重復(fù)性高、規(guī)則明確的子任務(wù)讓工程師能更專注于架構(gòu)和創(chuàng)新性的難題。