近日，以北京大学集成电路学院为第一完成单位的4篇论文在美国加州圣地亚哥举行的第41届国际计算机辅助设计会议（ICCAD 2022）上发表，向国际电子设计自动化（EDA）领域的同行展示了北京大学最新的研究成果。这4篇论文内容涉及光刻仿真、EDA算法加速、硬件综合技术、加速器设计方法等多个学术前沿领域，其中王启盼同学发表的光刻仿真工作获得会议最佳论文提名奖（Best Paper Award Nomination）。论文的详情如下：

1. 基于后烘物理机制的深度光刻仿真算法

光刻是集成电路制造的重要步骤，在光刻工艺的EDA软件中，光刻仿真需要求解一系列复杂的偏微分方程，以验证芯片版图的刻蚀效果；同时，光刻仿真的结果也用于指导版图设计优化。为了提高光刻仿真的效率，近年来，基于机器学习的仿真算法受到广泛关注。然而，现有算法主要关注曝光过程，忽略了与光刻胶息息相关的后烘和显影过程。林亦波研究员和王润声教授等首次提出了基于后烘物理机制的深度光刻仿真算法，利用傅里叶神经算子和定制卷积网络学习后烘过程的高频和低频动力学行为。该算法在28nm及以下工艺节点的版图上进行了仿真验证。在保持高精度仿真的同时，实现了100倍以上的效率提升。该算法拓展了机器学习在光刻仿真中的应用，也为快速版图优化提供了新思路。该工作以《DeePEB: A Neural Partial Differential Equation Solver for Post Exposure Baking Simulation in Lithography》为题发表（博士生王启盼为第一作者，该文获最佳论文奖提名）。

2. GPU加速的RMST搜索算法

最小直角斯坦纳树(RMST)生成问题是芯片设计EDA的基础问题，广泛应用在芯片设计早期步骤，如逻辑综合、布局和布线的迭代优化循环中。现有基于查找表匹配的RMST搜索算法，如FLUTE，受限于多核CPU的并行能力，难以快速处理数百万线网的大规模电路RMST搜索问题，且无法与现有的GPU加速芯片设计框架有效融合。林亦波研究员团队提出了一个GPU加速的RMST搜索算法，通过对线网分割探索过程的重组，将递归调用模式组织为分层迭代模式，并设计了高效的GPU算子完成RMST的查表计算与子树合并流程。相比学术界广泛采用的FLUTE搜索算法，该算法在相同计算精度下能够实现至多10.47倍的加速效果。该工作以《GPU-Accelerated Rectilinear Steiner Tree Generation》为题发表（博士生郭资政与信息科学技术学院本科毕业生谷丰为共同第一作者）。

3. 基于Hector实现三种硬件综合方法

硬件综合需要一个复杂的过程来生成可综合的寄存器传输级设计代码。梁云课题组提出Hector，一种为硬件综合方法提供统一抽象的两层级硬件中间表示。高层语言将计算与带有时序信息的控制图结合起来，而低层语言提供了一种简洁的方式来描述硬件模块和互连。Hector实现在多层中间表示框架（MLIR）上，最终可以被转换为可综合的硬件设计。为了证明其表达能力和通用性，在Hector的基础上实现了三种硬件综合方法：高层次综合工具、脉冲阵列生成器和硬件加速器模块。基于Hector的高层次综合方法可以得到与最先进的工具生成的硬件性能相当，其他两种方法在性能和生产效率方面均超过了高层次综合方法。该工作以《HECTOR: A Multi-level Intermediate Representation for Hardware Synthesis Methodologies》为题发表（博士生徐瑞帆为第一作者）。

4. 基于数字存内计算（DCIM）的GCN加速器设计方法

图卷积神经网络（GCN）是一种将深度神经网络的预测和分类能力推广到图结构数据（社交网络、电路布局、交通网络、分子结构等）的有效方法。然而，由于图计算的不规整性，CPU、GPU等通用计算架构对GCN并不友好；同时，相比于CNN，GCN的数据复用机会更少。因此，存内计算是GCN硬件部署的一种理想解决方案。马宇飞课题组提出了一种基于数字存内计算（DCIM）的GCN加速器设计方法。该工作通过平衡映射、节点重排等算法缓解GCN计算的不规整性，同时设计稀疏感知计算架构适配GCN计算的稀疏性，最后提出DCIM来消除功耗和面积开销巨大的模数/数模（AD/DA）转换。相比于现有的基于CIM的GCN加速器，本工作能够实现至少1.76倍的加速与1.29倍的能效提升。该工作以《DCIM-GCN: Digital Computing-in-Memory to Efficiently Accelerate Graph Convolutional Networks》为题发表（博士生邱一侃为第一作者）。

背景链接1：

由电气电子工程师学会（IEEE）和美国计算机学会（ACM）共同举办的国际计算机辅助设计会议（ICCAD）被公认为EDA领域最重要的会议之一，享有很高的国际学术地位和广泛的影响力。该会议是探索EDA研究领域新挑战、展示前沿创新解决方案和识别新兴技术的重要论坛，涵盖了从器件和电路级到系统级的所有设计与自动化主题、以及后CMOS设计等新型方向。ICCAD 2022为第41届会议，于2022年10月30日至11月3日在美国加利福尼亚州圣地亚哥以线上+线下的混合方式举行。

背景链接2：

北京大学集成电路学院成立了国内唯一聚焦EDA技术的“设计自动化与计算系统系”，打造先进的教学与人才培养体系，并与国内外领先的企业深入合作，部分成果已经成功得到转化应用，相关技术是业内目前唯一的解决方案；同时，依托院系新成立了北京大学无锡EDA研究院，加上之前与EDA及设计方向的头部企业共建的多个联合实验室，形成了教育、科技和人才三位一体的布局。