5月15日下午14时,由北京大学集成电路学院、集成电路高精尖创新中心、北京大学国家集成电路产教融合创新平台、集成电路科学与未来技术北京实验室、后摩尔时代微纳电子学科创新引智基地、北京大学校友会半导体分会联合主办的“未名·芯”论坛系列讲座第二十一期在线上线下成功举办。本期邀请到香港中文大学余备副教授为大家带来主题为“Machine Learning in EDA: When and How”的报告。讲座由集成电路学院王润声教授主持,线上线下共计160余人参加。
余备教授首先借用ChatGPT问答模型,展示了人工智能在学术报告中的应用,并从中引出了机器学习的本质:函数拟合。然后,他介绍了机器是如何理解文本和图像,并总结出知识的实质是信息压缩。随后,他介绍了机器学习在EDA流程各环节的应用,包括顶层设计、前端设计和后端设计等方面。
余备教授
随后,余教授从四个案例介绍了机器学习技术在EDA中的应用。
案例一,主动学习。针对当前综合流程中评估指标单一且信息不一致的问题,他提出了利用主动学习进行加法器设计空间探索。通过在采样空间上进行自适应采样,可以快速获得近似的帕累托前沿。
案例二,图神经网络。不同于常见的社交网络,电路图网表的学习要考虑电路的逻辑功能,简单的图神经网络难以有效捕捉特征。他提出对比学习的技术,可以更好地学习到网表特征,可用于IP挖掘和功能分类。
案例三,卷积神经网络。由于后端的版图天然地可以视为图像,因此很适合卷积处理。同时,版图拥有很多不同于传统图像的属性,如规整、二值等,需要设计针对性的技术才能在EDA问题中发挥机器学习的能力。
案例四,图神经网络与卷积神经网络的结合。一个电路设计包含网表和版图两部分。其中,网表可表示为图,版图可视为图像。这意味着设计中包含了多模态的信息,在设计机器学习算法的时候应尽量减少多模态信息的损失。
在讲座的结尾,余教授总结了机器学习在EDA中的挑战与前景。他强调,相比于直接使用人工智能(AI)方法,EDA有许多独特的问题需要解决,比如组合优化和复杂约束等。他认为AI在EDA中的应用有一个边界,要在边界之内尽量使用白盒方法,在之外再谋求AI的帮助。
讲座结束后,大家就AI的应用场景,大模型在EDA中的前景,以及AIforEDA的工业落地等问题跟余教授进行了深入交流。
个人简介:
余备博士在2021年获得IEEE CEDA 职业发展奖(Early Career Award),这个是亚太区的学者第一次获得这个世界级的奖项。获得过 ICCAD 2021 & 2013, DATE 2022, ASPDAC 2021 & 2012, ISPD2017、SPIE2016 等世界顶级会议的最佳论文奖,以及ASPDAC2023, MLCAD2022, DATE2021, DAC2014、ICCAD2011、ASPDAC2013 & 2019 等多次最佳论文提名。余备博士是世界上唯二同时获得过ICCAD前端和后端两个最佳论文奖项的学者(另一位是不莱梅大学的Rolf Drechsler教授)。他在世界级CAD竞赛中多次荣获世界前三名的佳绩,已发表超过90篇重要国际期刊论文(包含50多篇EDA领域世界顶级期刊论文IEEE TCAD)和170余篇本领域重要国际会议论文。其中,包括了98篇CCF-A的期刊和会议论文。在EDA的两大顶级会议,DAC'2023和ICCAD'2021分别发表了10篇和9篇长论文,分别创造了DAC和ICCAD的历史记录。担任了计算机辅助设计领域多个世界顶级期刊和国际重要会议的编委会委员和客座编辑,是IEEE TCCPS Newsletter的总编辑,同时也是IEEE CEDA香港分会的组委会委员。为表彰其在领域内的杰出贡献,他被授予ACM SIGDA功勋服务奖(Meritorious Service Award)。
技术文字:王启盼