物理设计是集成电路芯片设计的关键阶段,在摩尔定律的驱动下,电路的集成度不断上升,已经达到数十亿晶体管级,工艺节点也随之进入纳米级,引发了许多要考虑的问题,这些使得物理设计的复杂度急剧上升。同时,先进工艺节点中的物理设计需要很强的专业知识和丰富的设计经验,而大多数设计师不可避免的要进行昂贵的设计迭代以达到设计目标,这使得采用增加人力和资源成本加速物理设计过程的传统方法已无法满足物理设计的发展趋势。因此,找寻可以使物理设计快速迭代的敏捷设计方法已经成为应对当前局面的重要途径。现今机器学习已经在各个领域取得了广泛的应用,因此,将机器学习引入到集成电路物理设计中,可以通过学习物理设计的历史数据来建立经验模型,从而改变传统的探索式设计为预测式设计,使快速探索庞大、复杂的求解空间成为可能,达到高效收敛求解的目的。本文研究机器学习驱动的敏捷物理设计方法,并在实际工程中进行应用,主要工作和创新如下:1、建立了机器学习驱动的芯片敏捷物理设计方法学。目前,利用机器学习加速物理设计尚无统一的方法,本文则对物理设计各阶段特点和机器学习应用过程进行学习和研究:首先对芯片物理设计的建模空间进行分析,总结了物理设计部分阶段的重要特征;而后结合机器学习要素将设计方法学分为数据获取、特征选择、模型建立及应用三个阶段,进而提出了明确的数据收集方式、有效的特征排序和选择机制、高精度的模型的建立及优化方法,以及高效的设计空间探索途径。2、采用敏捷物理设计方法学从布图规划（Floorplan）阶段的初期快速预测布线后静态随机存取存储器（SRAM:Static Random-Access Memory）的时序结果。针对物理设计Floorplan阶段中设计质量评估十分耗时的问题,本文首先分析了Floorplan阶段影响布线后SRAM时序结果的特征,采用基于模型的方法对重要性特征进行排序从而选择最重要的特征集合,给设计师以优化指导,并且可以简化模型,增强泛用性;而后利用堆叠的方法建立了优化模型,在平均绝对误差23.03ps内将Floorplan流程从8小时缩短到秒量级,极大的减少了芯片设计迭代时间;最后基于验证过的模型,进行设计空间探索,在22.11s内探索了1849组SRAM配置,实现了平均75.5ps（117%）的优化,具有工程应用价值。3、采用敏捷物理设计方法学利用部分端角（Corner）预测剩余Corner的时序结果。针对物理设计的静态时序分析（STA:Static Timing Analysis）阶段中多端角的分析十分耗时的问题,本文首先分析了STA阶段多端角的关联特性;而后采用线性和非线性模型进行Corner关系挖掘,确定了各个Corner之间的强线性关系,并在实际工程设计中进行模型泛化性和Corner选取有效性的评估,展示了其工程应用价值;最后验证了模型的稳健性,提出了约束驱动的Corner预测选取方法:以平均绝对误差小于1ps的约束条件为例,可以利用7个Corner的时序结果预测剩余7个Corner的时序结果,从而在STA阶段获得2倍的时间效率提升。