关键词:
三维集成电路
布图规划
模块
TSV
模拟退火
强化学习
摘要:
相较于二维集成电路,三维集成电路(Three-dimensional integrated circuits;3D IC)具有更小的芯片面积,更小的导线长度,更高的存储带宽和易于实现异构集成的优点,被认为是延续摩尔定律最有前景的解决方案之一。布图规划是VLSI(Very Large Scale Integration Circuit;超大规模集成电路)物理设计中的核心步骤之一,在该阶段确定模块位置,优化芯片面积、导线长度等多个指标。
目前,三维集成电路层间连接多采用TSV技术,然而TSV具有较高的制造成本和不可忽略的面积,大量部署TSV不仅会导致芯片的成本提升,还会消耗芯片的硅面积,同时,TSV布图的位置也会影响整体的导线长度,从而影响芯片性能。三维集成电路布图规划阶段直接决定了TSV的数量和布图位置,因此,需要对模块和TSV进行协同布图。相较于二维集成电路布图规划问题,三维集成电路由于涉及到多层布图和TSV布图,问题的复杂度大大提高。
布图规划问题作为优化问题需要大量的专业知识和试错成本,因此将过去的布图经验或专业知识推广到未知电路是研究者们追求的目标。强化学习的自主学习能力和泛化能力为这一目标提供了方向,强化学习的智能体通过与环境交互,以“试错”的方式进行学习并积累经验,以达到相应的目的。
本文针对上述情况,通过对三维集成电路布图规划算法的研究,提出了两种固定轮廓约束下的三维集成电路布图规划优化方法。为优化搜索空间,在第三章提出了一种基于模拟退火的两阶段布图规划方法,运用模拟退火算法通过两阶段依次布图模块和TSV,获得最终布图解,相较一阶段协同布图模块和TSV的方法,两阶段布图规划方法整体线长平均减少10.9%,同时,两阶段的布图规划方法在搜索过程中能稳定获得可行解,更具可靠性。为增强模块布图的局部搜索过程,在第四章提出了基于强化学习的两阶段布图规划方法,依次对模块和TSV布图,模块布图阶段,对模块布图的局部搜索过程进行强化学习建模,构建基于DQN的局部搜索框架搜索模块布图解;TSV布图阶段,在模块布图解的基础上保持模块的相对位置,运用模拟退火算法完成TSV的布图,输出最终布图解。相较于模拟退火算法,基于强化学习的两阶段布图规划方法在两个小规模数据集上整体线长平均减少2.7%和3.0%。因此,在固定轮廓约束下三维集成电路布图规划问题中,针对小规模数据集可以使用基于强化学习的两阶段布图规划方法完成布图规划,针对大规模数据集可以使用基于模拟退火的两阶段布图规划方法。