Nvidia 是用于人工智能 (AI) 和机器学习 (ML) 加速的芯片的领先设计者之一。因此，它很可能成为将 AI 应用于芯片设计的先驱之一。今天，它发表了一篇论文(在新标签页中打开)和博文(在新标签页中打开)揭示其 AutoDMP 系统如何使用 GPU 加速的 AI/ML 优化来加速现代芯片平面规划，从而使速度比以前的方法快 30 倍。

AutoDMP 是 Automated DREAMPlace-based Macro Placement 的缩写。它旨在插入芯片设计人员使用的电子设计自动化 (EDA) 系统，以加速和优化为处理器构建块寻找最佳布局的耗时过程。在 Nvidia 的 AutoDMP 工作示例之一中，该工具利用其 AI 来确定 256 个 RSIC-V 核心的最佳布局问题，占 270 万个标准单元和 320 个内存宏。AutoDMP 花了 3.5 小时在单个Nvidia DGX Station A100上得出最佳布局。

英伟达 AutoDMP

英伟达 AutoDMP

Nvidia 指出，宏布局对芯片的布局有重大影响，“直接影响许多设计指标，例如面积和功耗”。优化布局是优化芯片性能和效率的关键设计任务，直接影响客户。

关于 AutoDMP 的工作原理，Nvidia 表示其分析布局器“将布局问题表述为布局密度约束下的线长优化问题，并以数值方式求解。” 与以前的放置方法相比，GPU 加速算法可提供高达 30 倍的加速。此外，AutoDMP 支持混合大小的单元格。在顶部动画中，您可以看到 AutoDMP 放置宏(红色)和标准单元(灰色)以最小化受限区域中的线长度。