Core Concepts
長いタイミングパスでの信号伝播を正確にモデリングするための新しいPreRoutGNNアプローチを提案します。
Abstract
最近の研究では、チップ設計における候補セル配置の品質評価のためにPre-routingタイミング予測が行われています。大規模な産業回路内での長いタイミングパスによる信号減衰と誤差蓄積への対処を目指して、2段階アプローチを提案しています。まず、グローバル回路トレーニングを提案し、次にGCN上でメッセージパッシング用の新しいノード更新スキームを使用して局所時間遅延を残余的にモデリングします。さらに、メモリ消費量を削減しながらトポロジ依存性を維持するオーダー保存パーティションスキームも導入されています。21個の実世界回路で実験が行われ、新しいSOTA R2値0.93が達成されました。
Stats
Experiments on 21 real world circuits achieve a new SOTA R2 of 0.93 for slack prediction.
The proposed method significantly reduces the peak GPU memory cost.
The model predicts AT as a main task, with slew, net delay and cell delay prediction as auxiliary tasks.
Our approach achieves R2uf of 0.93, while the second best method only achieves 0.59.
After applying pre-trained graph encoder into TimingGCN, R2uf improves by 29%.
Quotes
"Global view plays a critical role in addressing the signal decay and error accumulation issues."
"Our global circuit pre-training can serve as a plug-and-play module for various timing prediction GNN."
"We propose our message passing and node updating scheme for long timing paths to mitigate signal decay and error accumulation."