اگر تصور می‌کنید چیدمان قطعات در تراشه تنها یک مسئله‌ی هندسی است، باید با نتایج جدید OrderPlace آشنا شوید؛ جایی که «ترتیب» قرارگیری قطعات، تأثیری بسیار عمیق‌تر از مختصات آن‌ها بر کیفیت نهایی سیلیکون دارد.
طبق اعلام پژوهشگران در مقاله‌ای که در ۹ ژوئن ۲۰۲۶ در arxiv.org منتشر شد، OrderPlace موفق شده است طول سیم‌کشی (Wirelength) را در مقایسه با روش WireMask-EA تا ۳۴.۰۴٪ کاهش دهد. این نتیجه ثابت می‌کند که ترتیب قرارگیری اجزا، نه یک پیش‌نیاز ساده، بلکه عاملی تعیین‌کننده در کیفیت نهایی لایه سیلیکون است.
در طراحی فیزیکی تراشه‌های مدرن، چیدمان ماکروها (Macro Placement) مدت‌ها تحت حاکمیت قواعد ایستای مبتنی بر مساحت یا اتصالات بود. همان‌طور که در تحلیل قبلی ما درباره‌ی مهندسی ارزیابی (Evaluation Engineering) برای تضمین قابلیت اطمینان هوش مصنوعی زاینده (Generative AI) در کاربردهای واقعی اشاره کردیم، این پژوهش اکنون تمرکز را از «قابلیت اطمینان خروجی» به «کارایی ساختاری» در اتوماسیون طراحی الکترونیکی (EDA) منتقل کرده است. هدف اصلی در اینجا حل «اثر دومینویی» است؛ وضعیتی که در آن یک تصمیم suboptimal در مراحل ابتدایی چیدمان، فضای باقی‌مانده برای بهینه‌سازی را به‌طور برگشت‌ناپذیری محدود می‌کند.
OrderPlace بر اساس مستندات منتشر شده، از یک مکانیسم تکاملی مبتنی بر مدل زبانی بزرگ (LLM) و هدایت‌شده توسط پروکسی استفاده می‌کند تا استراتژی‌های جدید ترتیب‌بندی را کشف کند. ویژگی‌های فنی این سیستم عبارتند از:
- جایگزینی قوانین دستی با سیاست‌های سطح کد (Code-level Policies) که از امتیازدهی ایستا تا مکانیسم‌های الهام‌گرفته از فیزیک متغیرند.
- استفاده از یک پروکسی سبک‌وزن (Lightweight Proxy) بر پایه کاوش‌های حریصانه (Deterministic Greedy Probe) برای فیلتر کردن کاندیداها و جلوگیری از هزینه‌های محاسباتی سنگین.
- کاهش ۱۴.۰۸ درصدی طول سیم‌کشی نسبت به روش EGPlace در بنچمارک‌های ISPD 2005.
این دستاورد نشان می‌دهد که بُعد زمانی در چیدمان — یعنی «چه زمانی» یک قطعه قرار گیرد — به اندازه بُعد مکانی — «کجا» قرار گیرد — حیاتی است. برای جامعه فنی، این خبر فرضیه «حل‌شده بودن» توالی چیدمان به عنوان یک مرحله پیش‌پرداز را می‌شکند. با استفاده از LLM به عنوان یک بهینه‌ساز فراساختاری (Meta-optimizer) برای بازنویسی خودِ قواعد، راه برای رسیدن به Floorplanning کاملاً خودکار هموار شده است.
گام بعدی شما
- بررسی دسترسی به کد منبع OrderPlace برای تست استراتژی‌های ترتیب‌بندی روی کیت‌های طراحی تجاری.
- تحلیل قابلیت مقیاس‌پذیری این مکانیسم تکاملی در گره‌های فوق‌تراکم ۳ نانومتری و ۲ نانومتری.
- مطالعه اثر جایگزینی Heuristics انسانی با سیاست‌های تکاملی AI در سایر مراحل EDA.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تأثیر تراشه‌های Blackwell بر تسریع فرآیندهای طراحی EDA مراجعه کنید.
گفتگو