电子设计自动化是芯片设计的基石产业，被誉为“芯片之母”。欧洲设计自动化与测试会议（DATE）是电子设计自动化领域的顶级国际学术会议。近日，南京大学人工智能学院LAMDA组钱超教授团队在全球电子设计领域专业顶级学术会议DATE 2025发表论文“Timing-Driven Global Placement by Efficient Critical Path Extraction”，获最佳论文奖。据悉，DATE今年收到逾1200篇投稿，录用率约25%，共评选出4篇最佳论文奖（获奖率仅0.3%）。

论文第一作者侍昀琦、第四作者林熙、第五作者薛轲分别是南京大学人工智能学院的硕士生、本科生和博士生，钱超教授为通讯作者，论文与华为诺亚方舟实验室合作完成。

该工作针对大规模芯片标准单元的全局布局问题，通过高效的关键路径提取技术，覆盖所有时序（即传播时延约束，是实现芯片功能的关键）违例端点，从而精确建模时序目标，并且在优化时兼顾布线长度、布局密度、时序等多个目标；较最先进算法，在关键时序指标TNS和WNS上分别提升40.5%和8.3%。审稿人高度评价该工作，称“结果令人印象非常深刻，超过了所有先进工作”，取得显著提升。据悉，全球电子设计领域专业顶级学术会议DATE自1994年创办以来已举办31届，今年将于3月31日至4月2日在法国里昂召开。

近期，AI技术在芯片设计中的应用受到了国际上高度关注。Google在Nature提出AlphaChip，应用于TPU设计，而多家EDA头部厂商也推出了AI赋能的EDA产品。芯片设计流程冗长复杂，存在大量复杂优化问题。作为人工智能的重要研究分支，演化算法受达尔文进化论启发，通过模拟“交叉变异”和“自然选择”行为，可用于求解机器学习中复杂优化问题，但这类算法几乎纯粹是“启发式”：在不少情况下有效, 但为何奏效、在何种条件下奏效却并不清楚。

LAMDA组周志华教授带领俞扬教授和钱超教授长期努力，希望能够建立起相应理论基础，并对算法设计给出指导；2019年他们在Springer出版专著《Evolutionary Learning: Advances in Theories and Algorithms》，总结了他们在该方向上过去二十年的主要工作，并于2021年出版中文版《演化学习：理论与算法进展》。基于在演化学习方向的长期理论研究，近期针对芯片设计中的复杂优化问题设计出了多个原创领先算法，如针对芯片宏元件布局问题，较Google在Nature’21提出方法的布线长度缩短80%以上，较当前最先进的开源EDA工具OpenROAD的芯片最终时序指标提升超65%，在ACM SIGEVO Human-Competitive Results获奖；若干技术在华为海思落地验证，攻克华为“揭榜挂帅”难题，包括将芯片寄存器寻优效率平均提升 22.14 倍等。

记者了解到，LAMDA组目前与华为正在进一步合作攻关，希望通过先进芯片设计缓解当前先进制造工艺局限。

扬子晚报/紫牛新闻记者 杨甜子

校对 李海慧