[00301864]AI原生芯片设计优化引擎
技术详细介绍
如何构建AI原生的芯片设计优化引擎，实现从逻辑综合到物理实现的全局最优？ 传统EDA流程将逻辑综合与物理设计割裂，综合阶段的优化目标与物理实现结果存在系统性偏差。我们在标准测试电路上观察到综合后时序达72%但布局后反弹至85%的现象，这种前后端鸿沟造成数周甚至数月的设计迭代。 该问题的本质挑战在于：（1）状态空间爆炸，逻辑综合涉及数百种优化算子的排列组合，传统启发式方法难以全局寻优；（2）评估代价高昂，每次物理验证需要数小时，无法支撑大规模搜索；（3）跨层耦合，物理效应与逻辑结构高度非线性耦合。 本项目的核心思路是将AI作为底层优化基础设施：通过轻量级物理预言机实现快速评估，通过强化学习和树搜索实现高效探索，通过大模型辅助实现高层设计意图理解，从而支撑上层设计流程的全局优化。
【成果编码】20263984
【单位性质】高校
【统一社会信用代码】1210000425006117P
【是否是首展首发】国内首发
【是否有意愿在安徽落地转化】是
【意愿落地城市】合肥市,芜湖市
【期望参展板块】专题互动展区/重点高校
【技术水平】国际领先
【是否有自主知识产权】是
【项目阶段】中试
【已应用场景】MLCAD 2025 contest 全球冠军 CCF-DAC 2025 优秀Demo奖
【潜在应用场景】1、高性能数字芯片设计：涵盖AI加速器、高性能CPU、GPU以及复杂SoC控制器的逻辑综合与物理设计全流程。 2、先进工艺节点流片验证：为采用先进工艺的芯片设计提供高精度的物理预测与实时反馈，缩小逻辑层与物理层的系统性偏差。 3、国产EDA工具链生态补充：作为智能插件或核心引擎，与国内外主流商业工具链进行标准接口集成，赋能传统EDA工具实现AI智能化升级。
【合作诉求】技术许可
【展品联系人】潘鸿洋
【展品联系人手机号】18888641157
【展示方式】展板
【实物确认】否
【状态】已审核，待遴选
【参展状态】线下+线上参展
【用户回复】是
【成果编码】20263984
【单位性质】高校
【统一社会信用代码】1210000425006117P
【是否是首展首发】国内首发
【是否有意愿在安徽落地转化】是
【意愿落地城市】合肥市,芜湖市
【期望参展板块】专题互动展区/重点高校
【技术水平】国际领先
【是否有自主知识产权】是
【项目阶段】中试
【已应用场景】MLCAD 2025 contest 全球冠军 CCF-DAC 2025 优秀Demo奖
【潜在应用场景】1、高性能数字芯片设计：涵盖AI加速器、高性能CPU、GPU以及复杂SoC控制器的逻辑综合与物理设计全流程。 2、先进工艺节点流片验证：为采用先进工艺的芯片设计提供高精度的物理预测与实时反馈，缩小逻辑层与物理层的系统性偏差。 3、国产EDA工具链生态补充：作为智能插件或核心引擎，与国内外主流商业工具链进行标准接口集成，赋能传统EDA工具实现AI智能化升级。
【合作诉求】技术许可
【展品联系人】潘鸿洋
【展品联系人手机号】18888641157
【展示方式】展板
【实物确认】否
【状态】已审核，待遴选
【参展状态】线下+线上参展
【用户回复】是
