【摘 要】
:
随着集成电路的制造工艺步入纳米时代,芯片中的元件越来越多,使得布线的难度越来越高。因此,布线已成为超大规模集成电路物理设计中最亟待解决的问题之一。通常,布线分为全局布线和详细布线两个阶段。全局布线作为布线的第一阶段,上承详细布局,下启详细布线。一个高效的全局布线算法能把拥塞信息反馈给布局器,让布局器能摆放出高可布线性的布局方案。另一方面,一个高性能的全局布线算法能有效地满足设计规范,让详细布线的负
论文部分内容阅读
随着集成电路的制造工艺步入纳米时代,芯片中的元件越来越多,使得布线的难度越来越高。因此,布线已成为超大规模集成电路物理设计中最亟待解决的问题之一。通常,布线分为全局布线和详细布线两个阶段。全局布线作为布线的第一阶段,上承详细布局,下启详细布线。一个高效的全局布线算法能把拥塞信息反馈给布局器,让布局器能摆放出高可布线性的布局方案。另一方面,一个高性能的全局布线算法能有效地满足设计规范,让详细布线的负担和所需的时间大幅降低。此外,随着系统级芯片设计概念的出现以及知识产权模块的广泛应用,使得总线已成为决定电路时序和功耗的重要因素。因此,在全局布线阶段,考虑总线的设计规范对后续设计阶段有重要影响,不仅可以缩减整个超大规模集成电路物理设计的时间,而且还可以有效提升设计的质量。基于以上背景,本文对全局布线展开了一系列的研究,提出了一种新颖的全局布线框架。该框架的主要内容如下:(1)为了提高拥塞估计的准确性和布局的可布线性,提出了一种高效的拥塞驱动全局布线算法。该算法引入了一种混合拓扑优化策略,以降低电路的拥塞程度;设计了一种基于区间划分的拥塞区域识别方法,以确定线网拆线重布的顺序;构建了一种基于拥塞松弛的启发式搜索算法,以实现同时优化溢出和线长的目的。实验结果表明,所提算法不仅可以减少溢出,而且还可以优化线长。(2)为了提升全局布线方案的质量,提出了一种多阶段的总线感知全局布线算法。该算法使用了一种偏差驱动的边移动技术,以优化线网的拓扑结构;设计了一种总线感知的L型布线方法,以预留布线资源给总线;构建了一种多阶段的双迷宫布线算法,以协调线网之间布线资源的竞争;引入了一种精炼策略,进一步提升布线质量。实验结果表明,本算法在溢出和总线偏差两个重要性能指标上均具有出色的优化能力。(3)为了实现片上互连系统的多金属层全局布线,提出了一种考虑总线的偏差驱动层分配算法。该算法设计了一种多要素的线网优先级计算方式,来决定线网的层分配顺序;构建了一种单一线网层分配算法,逐层获得通孔最佳的方案;引入了一种基于总线查找表的层调整策略,以优化总线偏差。实验结果表明,该算法在总线偏差上取得了优异的结果。
其他文献
图像全景分割是近年新的图像分割领域的研究方向,统一了语义和实例分割,是图像分割中较为全面的任务。不同于语义分割和实例分割,全景分割是逐像素的分配语义类别和实例标识,能够实现语义和实例类的统一分割。自2012年深度学习被验证在计算机视觉领域比传统方法更有效果后,深度学习的自动提取特征以及学习能力,在图像全景分割任务中陆续得到应用并取得进展。然而对复杂全景分割在统一了语义和实例分割任务后,仍会出现语义
随着信息时代的飞速发展,电商等数字服务经济加速进入发展的快车道,人们的生活越来越贴近数字化的生活方式,商品或服务的评论也逐渐成为个人用户和商业组织的重要参考,商品或服务正面的积极评论能够为个人或企业带来更高的经济效益和良好的口碑,相反则能沉重打击竞争对手,由此也衍生出发布虚假评论的黑色产业,并且发展十分迅速,因此虚假评论检测是一个重要且急迫的研究课题。基于传统学习方法的虚假评论检测存在特征工程提取
全局光照一直是计算机图形学领域中一个热门的话题,其主要研究光线在场景中传输过程以及与物体表面的交互过程。光线传输的发展致力于在影视制作,艺术仿真,游戏制作等中带来更加真实的画面效果。在游戏制作过程中美术一般要对场景中的材质、灯光等参数进行反复调优,如此才能达到一个让人满意的画面,而我们可以通过光线传输模拟算法来渲染游戏场景的静态画面以作为参考,为美术提供一个渲染目标进行比较,这对于调试游戏场景中的
随着人工智能的大力发展,图像智能技术被普遍运用于我们日常生活和工作中,而图像智能应用是强依赖于输入的图像质量,图像去噪经过移除图像噪声能够有效地提高图像质量。本文对传统的基于非局部自相似性图像去噪算法和基于卷积神经网络去噪算法展开研究,主要的研究内容如下:(1)图像去噪算法中基于非局部自相似性的算法存在不足之处:在全局匹配相似图像块矩阵的时候并非所有的图像块都能匹配到相似图像块,对于细小纹理图像块
能从文本中自动创建一个或多个文本文档的简明摘要,该技术以最小化冗余率,且最精简的语言提炼文本信息为目标,使用户能够在巨大的信息资源中获得重点,提升阅读效率。现有的文本摘要模型可分为抽取式文本摘要模型与生成式文本摘要模型。抽取式文本摘要模型对原文中句子的重要性建模,选择能够代表原文中心含义的句子作为摘要。而生成式文本摘要模型按照原文中表述的语义,由语言生成技术自动生成文本的摘要。得益于近几年来深度学
逆光车牌图像修复是智慧交通领域中具有挑战性的研究问题之一。受太阳光反射的影响,车牌识别系统所采集到的车牌图像被光斑遮挡,造成车牌信息丢失,使得车牌识别系统的识别准确率下降。因此,逆光车牌图像修复的研究将有助于车牌识别技术的实际应用推广。与传统的计算机视觉方法相比,深度学习技术具有处理复杂模式的强大能力。目前,车牌识别系统大多是使用多设备或者通过控制拍摄条件进行多图像的采集,进而筛选出无逆光或逆光影
网络虚假评论检测研究旨在从海量互联网评论数据中识别水军发布的虚假评论,是自然语言处理领域的重点研究课题之一。现有方法主要利用文本特征和用户行为信息实现虚假评论检测,取得了较大的进展,但仍存在诸多挑战如:以往的方法在文本特征提取过程中,难以关注到文本中的关键词语义信息;现有的模型存在训练效率低且分类精度不足的问题;已有的方法未考虑水军评论的群体共性特征,导致模型性能受限。针对以上问题,本文进行了如下
随着立体电视、头戴式立体显示器等硬件技术的风靡,虚拟现实、增强现实等立体内容受到人们的广泛青睐。然而立体显示技术的普及也暴露出一些问题,很多人在长时间观看立体内容时出现眼疲劳、头痛、对焦困难、恶心等生理症状。立体内容质量欠佳是造成上述不良症状的重要原因之一,因此通过立体图像舒适度增强技术提高立体图像质量以及提高用户体验是重要的研究课题。在立体内容制作环节,使用专业的立体摄像机设备和规范的拍摄手段可
当前热点的深度隐写术可以把图像秘密信息隐藏到尺寸相同的载体图像中,具有隐写率高等特性,常被特定组织用作秘密通信。主动隐写分析术能够去除所隐藏的秘密信息,一定程度阻止深度隐写信息通过互联网进行非法或恶意传输。文档图像具有大量的文字信息,其作为深度隐写秘密信息能够在秘密通信中传递大量有效信息,具有泄漏机密信息的安全隐患,然而目前并没有相关研究专门针对文档图像作为秘密信息的深度隐写去除方法,于是本文提出
近年来,深度神经网络在图像识别领域取得了巨大的成功。然而研究发现,深度神经网络极易受到对抗样本的欺骗。攻击者仅通过在图片上添加微小的、人眼不可见的扰动,就可以让深度神经网络对该图片做出错误分类,从而达成一些非法的目的。因此,研究对抗样本防御算法对于保障深度神经网络在实际应用中的安全十分重要。针对对抗样本的防御问题,本文主要研究工作如下:(1)对抗攻击方法性能评估。首先,本文提出从对抗样本的图像质量