2023年第二届OSEDA研讨会议程
开源EDA论坛致力于研发EDA技术和推广开源EDA等开源芯片开发工具在RISC-V社区的使用、推动国内外开源EDA开发者和RISC-V芯片设计者之间的交流、促进开源EDA技术社区的发展壮大，旨在为国内外开源EDA开发者和使用者提供交流与互动的平台，吸引更多的开发人员加入开源EDA社区，为开源项目贡献代码。
论坛时间地点：
论坛时间：2023年8月24日09：00-12：00
论坛地点：北京市海淀区香格里拉饭店3层珍珠厅
腾讯会议：455-601-023
B站直播地址：https://live.bilibili.com/30593897
论坛联系人：
李兴权 13515004501 邮箱：lixq01@pcl.ac.cn
叶欣雨 19805180398 邮箱：yxyu613@163.com
论坛日程：
| 报告时间 | 报告名称 | 报告嘉宾 | 主持人 |
|---|---|---|---|
| 上午议程 | |||
| 9:00-9:05 | 开场介绍 | 李兴权 北京开源芯片研究院/鹏城实验室 | 李兴权 北京开源芯片研究院/鹏城实验室 |
| 9:05-9:25 | 机器学习辅助的SPICE电路仿真 求解技术 | 金洲 中国石油大学 | |
| 9:25-9:45 | 图神经网络赋能高层次综合功耗建模及设计优化 | 林哲 中山大学 | |
| 9:45-10:05 | 基于机器学习的微架构功耗建模及设计空间探索 | 翟建旺 北京邮电大学 | |
| 10:05-10:25 | 基于AIGC的芯片设计与验证初探 | 赖晓铮 华南理工大学 | |
| 10:25-10:45 | 茶歇 | ||
| 10:45-11:00 | 面向EDA和IC设计的AI框架 | 黄志鹏 鹏城实验室 | 李兴权 北京开源芯片研究院/鹏城实验室 |
| 11:00-11:15 | AI辅助芯片自动化生成的实践 | 常开颜、李苍源 中国科学院计算技术研究所 | |
| 11:15-11:30 | CircuitNet: An Open-Source Dataset for Machine Learning Tasks in Chip Design | 江循、柴卓珉 北京大学 | |
| 11:30-11:45 | 基于MLIR的高性能多线程ZVC硬件编译器实现及最新进展 | 徐步云 兆松科技（武汉）有限公司 | |
| 11:45-12:00 | A modified Newton-based |
报告和嘉宾介绍：
报告1：机器学习辅助的SPICE电路仿真求解技术
报告摘要
集成电路设计流程中的一大关键挑战是在涉及高度复杂的芯片测试或验证时，需反复执行计算成本高昂的SPICE电路仿真。伪瞬态分析方法已被证明是最具前途的SPICE仿真求解方法之一，然而该方法的计算效率极大的受限于插入的伪器件参数和仿真时间步长控制的影响，本报告将介绍一种贝叶斯优化和深度强化学习加速的伪瞬态分析方法，可显著加速仿真并改善收敛性能而无需引入额外的误差，该方法配备了先进的机器学习技术，如深度学习、高斯过程、贝叶斯优化、非平稳单调变换、通过重新参数化的变分推断、深度强化学习、公共样本池以及优先级采样等。此外，本报告还将介绍一种基于随机森林的电路矩阵稀疏LU分解加速技术，通过稠密度感知的自适应矩阵乘算法优化，可有效加速电路矩阵求解速度。
演讲者简介
金洲，中国石油大学（北京）副教授，入选北京市科协青年人才托举工程、校青年拔尖人才。2010年于南京大学计算机科学与技术系获学士学位，2012年和2015年分别于日本早稻田大学获硕士、博士学位，早稻田大学研究中心博士后、GCOE研究员。研究方向为集成电路设计自动化（EDA），尤其关注AI与硬件加速的VLSI电路仿真验证技术、面向存算一体的科学计算软硬件协同设计等。已在DAC、SC、PPoPP、TCAD、TODAES、TCAS-II、ASP-DAC等重要国际会议和期刊上发表学术论文40余篇，获SC‘23最佳论文提名、ISEDA‘23 荣誉论文、日本电气学会IEEJ九州支部长奖等，研究成果已应用于国产EDA商业仿真软件中，并显著加速工业界实际电路的验证。
报告2：图神经网络赋能高层次综合功耗建模及设计优化
报告摘要
近年来，半导体制造技术接近物理极限，摩尔定律逐渐失效，暗硅效应问题凸显。这些挑战使得芯片的性能提升趋于缓和。为持续提高硬件加速器的结果质量（QoR），需要研究新的技术手段。本次报告聚焦FPGA加速器设计，讲述以下内容：1.利用定制的异构图神经网络（GNN）实现面向高层次综合（HLS）的功耗建模，通过早期、快速、准确的功耗预测，有效降低加速器能效预测所需的时间开销；2.基于HLS的大规模多目标设计空间探索，通过算法自动搜寻帕累托最优解，大幅提升HLS设计方法的加速器开发效率。
演讲者简介
林哲，中山大学集成电路学院“百人计划”助理教授，深圳市海外高层次人才（C类）称号获得者。林哲于香港科技大学取得博士学位，曾于鹏城实验室先后担任助理研究员（2020.03-2022.12）、副研究员（2023.01-2023.03）。其主要研究方向包括电子设计自动化（EDA）、可重构计算、异构计算及软硬件协同设计等，在近年内累计发表高水平学术论文10余篇，以第一作者获得国际会议DATE及FCCM的最佳论文奖提名。参与鹏城实验室国家级科研项目、香港大学教育资助委员会项目、香港科技大学-工业界合作项目等集成电路设计及自动化研究领域的多项科研项目。
报告3：基于机器学习的微架构功耗建模及设计空间探索
报告摘要
随着集成电路发展至后摩尔时代，半导体工艺演进所带来的红利愈发有限，而现代处理器架构复杂、设计空间庞大，功耗等问题愈发突出。如何以较低代价构建精确鲁棒的功耗模型，并在庞大的设计空间内进行自动探索和优化已成为业界关注的核心问题。本报告从处理器的微架构设计方法和工具入手，利用机器学习技术求解微架构功耗建模和设计空间探索问题，提出了一系列精确高效的建模和探索方法，并在RISC-V处理器上进行了评估。
演讲者简介
翟建旺，北京邮电大学特聘副研究员，曾参与国家自然科学基金重点项目、重点研发计划等课题。主要研究方向为电子设计自动化（EDA），包括微架构功耗建模、设计空间探索以及后端物理设计等，在TCAD、TCAS-II、ICCAD、ASP-DAC等期刊会议上发表多篇论文，曾荣获ICCAD 2021最佳论文奖，以及ASP-DAC 2023最佳论文奖提名。
报告4：基于AIGC的芯片设计与验证初探
报告摘要
AIGC时代的到来，使得芯片设计与验证的流程也开始逐渐引入LLM辅助设计功能。用户通过提示词（prompt）引导LLM完成硬件描述，同时还需要DSA中间层来描述ISA架构。通过“设计-验证”迭代实现提升芯片从设计到验证的整体效率。
演讲者简介
赖晓铮，华南理工大学计算机科学与工程学院，副教授，CCF会员，华为“智能基座”课程合作讲师。开源图形化EDA项目Digiblock作者。研究方向： (1) 芯片敏捷设计，开源EDA工具链；(2) 基于RISC-V架构的计算机体系结构研究；(3) 嵌入式系统、物联网及RFID技术；主持国家863计划重大科技专项课题1项，国家自然科学基金1项，广东省科技计划项目3项，广东省自然科学基金1项，产学研芯片设计和验证项目2项。2020年指导学生获全国大学生集成电路创新创业大赛总决赛二等奖。
报告5：面向EDA和IC设计的AI框架
报告摘要
随着摩尔定律的发展，集成电路（IC）和电子设计自动化（EDA）设计面临更多的挑战。另外，人工智能技术（AI）在各行业方向展现了巨大的应用潜力。在IC和EDA方向，也有很多优秀的工作展现了AI+EDA的可能性，AI能够高效地处理和分析设计数据，提供预测和优化建议，从而提升设计效率和质量。但就目前而言，AI模型与EDA工具的交互尚处于初步阶段，为了能够充分发挥AI在EDA上的效用，设计AI+EDA基础框架十分必要，有助于快速探索AI辅助芯片设计的有效方法，并反馈回工具中，同时能让更多人参与到AI+EDA的技术突破中。
演讲者简介
黄志鹏，现为鹏城实验室博士后，主要研究方向为超大规模集成电路物理设计。曾在DAC、ICCAD、TCAD等EDA领域主要会议和期刊上发表论文，于2018、2022年获得ICCAD@CAD Contest第一名。
报告6：AI辅助芯片自动化生成的实践
报告摘要
像ChatGPT这样的大语言模型展现出前所未有的智能，它也表现出在自然语言交互方面协助硬件工程师。为了评估大语言模型辅助硬件设计流程的潜力，本研究试图展示一个自动化的设计环境，利用大语言模型从自然语言规范生成硬件逻辑设计。为了实现更具可访问性和高效性的芯片开发流程，我们提出了一种基于大语言模型的可扩展的四阶段设计，无需重新训练或微调。首先，为大语言模型生成提示，大语言模型随后会生成初步的Verilog程序。第二，输出管理器会对这些程序进行纠正和优化，然后将它们收集到最终的设计空间中。最终，输出管理器将搜索这个空间，选择符合目标指标的最佳设计。我们的实验揭示了大语言模型是否能够为某些设计规范生成正确且完备的硬件逻辑设计。结果显示，与之前的工作和单独的大语言模型相比，这种方法提高了可编程性和可控性，并展示了更广泛的设计优化空间。
演讲者简介
常开颜，本科毕业于电子科技大学，目前在中科院计算所攻读博士学位，师从王颖副研究员、李华伟研究员。主要研究领域为AI辅助计算机自动化设计、编译器和编程语言。
报告7：CircuitNet: An Open-Source Dataset for Machine Learning Tasks in Chip Design
报告摘要
AI for EDA is a booming direction to apply AI techniques in chip design, including cross-stage modeling, design space search, design optimization, and so on. However, the lack of large public datasets in practice limits the scope of related researches and raises a high bar for new researchers. Therefore, in this talk, we propose an open-source dataset, CircuitNet, for MLCAD applications. CircuitNet contains over 20K samples from various open-source CPU, GPU, and AI accelerator designs with commercial 28nm & 14nm PDKs. The dataset supports various tasks like timing, power, congestion, and IR-drop prediction. We also extract various features to support both image-based learning (e.g., ANN and CNN) and graph learning (e.g., GNN). We believe this dataset can open up new opportunities for machine learning in CAD research and beyond.
演讲者简介
Xun Jiang（江循）is currently pursuing a Ph.D. degree in Integrated Circuit Engineering at Peking University, Beijing, China. His current research interests include physical design and AI for EDA. He is one of the main contributors to the open-source dataset, CircuitNet.
报告8：基于 MLIR 的高性能多线程 ZVC 硬件编译器实现及最新进展
报告摘要
CIRCT（Circuit Intermediate Representation Compiler Toolchain）是LLVM旗下基于MLIR的开源项目。旨在将软件世界经典成熟的开发方法学——MLIR/LLVM Project努力拓展到硬件设计工具的领域，为设计硬件（包括但不限于计算机芯片）的EDA工具提供一套可重用、可扩展的、高效的编译器基础设施。兆松在CIRCT框架基础上研发了ZVC编译器（ZhaoSong Verilog Compiler）——一款支持多线程的高性能硬件编译器，围绕Cycle Based的仿真设计，尝试完善从CIRCT的Core IR（核心中间表示）翻译转换到LLVM IR（LLVM中间表示）的完整流程。本次报告的侧重点将从ZVC围绕的核心设计思想，于CIRCT框架上所做的编译流程设计，以算法和例子介绍如何利用CIRCT框架搭建硬件编译器。通过解析No-more-inline设计原则，讲述围绕着电路状态的保存、传递需求，生成各种相对应逻辑的设计细节；多线程的部分将讲解分析LLVM IR用于做图上节点分割的MLIR算法；期间将穿插上游的一些最新进展与后续令人兴奋的规划，分享兆松在推进CIRCT支持编译SystemVerilog即与Slang整合工作的一些新进展。
演讲者简介
徐步云，2021 年毕业于太原理工大学信息安全专业，于 2022 年加入兆松科技（武汉）有限公司，现任职于硬件编译器组负责人一职，围绕硬件相关的硬件代码编译、仿真以及调试等内容开展硬件编译器相关的开发工作，交流、协调与 CIRCT 上游完成开发与开源 ZVC 各项功能。
报告9：A modified Newton-based matrix splitting iteration method for mixed-size cell circuit legalization
报告摘要
The mixed-size cell circuit legalization problem can be transformed into the generalized absolute value equations (GAVE). In this work, by simultaneously splitting both coefficient matrices in the differential and non-differential parts of the GAVE, a modified Newton-based matrix splitting (MNMS) iteration method is proposed. The MNMS iteration method not only covers the well-known generalized Newton iteration method as well as the recent proposed modified Newton-based iteration method and the Newton-based matrix splitting iteration method for solving the GAVE, but also results in a series of relaxation versions that are very flexible in real applications. Convergence properties of the MNMS iteration method are studied in detail when the coefficient matrices are general matrices, positive definite matrices and H+-matrices. Finally, three numerical examples are presented to show the feasibility and effectiveness of the proposed MNMS iteration method.
演讲者简介
Chencan Zhou, graduated from Dalian Maritime University with a master's degree. She is currently a teacher at the School of Transportation and Civil Engineering of Nantong University. She is also a doctoral student majoring in Information and Communication Engineering at Nantong University. Her research area is EDA technology for integrated circuit. She has published 5 EDA-related research papers, including 3 SCI and 1 EI.