6月28日，在美国旧金山召开的第61届设计自动化国际会议（ACM/IEEE Design and Automation Conference，DAC）正式公布了最佳论文等奖项。上海科技大学信息科学与技术学院多位常任教授课题组合作的文章喜获最佳论文奖提名。这是上科大信息学院师生科研团队近期继获得AAMAS最佳论文、CVPR最佳学生论文奖、ACM SIGGRAPH最佳论文提名后取得的又一成果。
该获奖论文为上海科技大学、张江实验室共同发表的“LLM-HD: Layout Language Model for Hotspot Detection with GDS Semantic Encoding”（利用大语言模型对芯片版图进行编码及光刻热点检测）。信息学院2023级博士研究生邬一闻和2022级硕士研究生陈禹阳作为论文共同第一作者在大会上向来自学界/业界的电子设计自动化（EDA）领域国际顶尖研究机构和学者进行了汇报。信息学院虞晶怡教授和耿浩教授为该论文通讯作者，上海科技大学为第一完成单位，张江实验室为合作单位。合作者还包括信息学院汪婧雅教授、吴涛教授和何旭明教授。
在集成电路设计制造领域，计算光刻以及光学邻近效应校正（OPC，Optical Proximity Correction）技术的不断发展和创新对于提高芯片制造良率、降低周转时间和成本至关重要。AI技术的赋能加速了这一领域研究的范式变革。为提升OPC 任务效率，减少OPC在版图缺陷（又称热点）层面修正产生的工作量，该篇论文开展了基于无损多层级版图语意编码和版图语言模型的热点检测研究。论文中，团队提出了全新的“语言模型+高性能GPU”的版图热点检测范式。该范式直接对二进制GDS版图文件进行无损多层级语义表征并使用定制化设计的自然语言模型进行训练和检测。通过将语言模型适配到版图光刻热点检测任务，所提出的方法在金属层和通孔层版图测试集上的表现均显著优于当前最先进的方法。更重要的是，该论文为大语言模型应用到集成电路制造、量测奠定了理论和工程基础。
图1 版图语言模型与传统模型版图光刻热点检测流程对比图
“这个项目最开始的动机是对于语言模型表达能力的探索。在计算光刻领域的研究中，我们了解到版图不仅可以使用图像表达，也可以用描述性语言的表达形式。于是，我们尝试将描述性语句对版图进行表征，并输入到语言模型进行热点检测的任务，最终提出了使用语言模型解决热点检测的新思路。”论文共同第一作者邬一闻进一步解释道，“能够在如此高水平的国际会议上获得最佳论文提名，我们感到非常荣幸。这篇论文得益于上海科技大学提供了非常先进的高性能计算集群和张江实验室AI赋能计算光刻项目的支持。更要感谢各位老师在工作、课程中给予我们的指导。”
共同第一作者陈禹阳表示，在本领域的顶级会议DAC发表这篇入选最佳论文的工作，离不开学校的鼎力支持以及各位教授的悉心指导。“我们会定期和计算机视觉以及半导体领域资深教授进行交流，对项目上遇到的问题进行深入讨论，从而保证整个项目进展顺利。”
图2 陈禹阳作论文汇报
图3 邬一闻展示海报
关于DAC2024
设计自动化国际会议（DAC）以EDA、嵌入式系统及软件（ESS）和硅知识产权（SIP）为主题，专注于EDA相关领域的最新方法和技术，是全球EDA、Foundry、IP提供商的盛会，被誉为EDA界的奥斯卡。该会议也是中国计算机学会推荐国际学术A类会议（CCF-A）。据悉，今年DAC共收到1435篇论文，录用337篇（不包括主旨报告、特邀报告、Late Breaking Results、Work-in-Progress的论文）。其中，仅有1篇最佳论文奖和3篇最佳论文奖提名，入选率0.27%。
沪公网安备 31011502006855号
