CNCC | 智能EDA前沿论坛——AI会比人类更懂芯片设计吗？

李华伟

CCF会士、集成电路设计专委主任，中科院计算所研究员、处理器芯片全国重点实验室副主任

担任《IEEE Design & Test》、《IEEE TVLSI》等期刊编委。主要从事集成电路设计自动化、数字电路测试/容错/安全、智能计算体系结构等方向研究，发表学术论文300余篇。获得国际期刊IEEE TC(2021)和国际会议IEEE ICCD(2019)等5次国际最佳论文奖；获国家技术发明二等奖、北京市科技一等奖、CCF技术发明一等奖、中科院杰出科技成就奖等。

徐强

香港中文大学教授，国家集成电路设计自动化技术创新中心首席科学家

CCF会员，当前研究兴趣集中在人工智能和电子设计自动化领域。他已经发表了180多篇论文，累计引用近万次，其中包括多篇顶级会议最佳论文奖和ICCAD十年回顾最具影响力论文奖。他指导了超过20名博士，学生获得过EDAA杰出博士论文奖和IEEE TTTC杰出博士论文奖提名。

杨军

东南大学教授，国家集成电路设计自动化技术创新中心执行主任

CCF会员，博士生导师，国家集成电路设计自动化技术创新中心执行主任。2004年获东南大学电子科学与工程学院博士学位，长期从事低功耗集成电路设计和设计自动化技术研究，尤其在宽电压近阈值集成电路设计方法论方面取得了系统性成果。发表高水平论文60余篇，包括ISSCC 9篇、JSSC 15篇，拥有美国专利8项和中国专利50余项。担任科技部2035信息领域中长期战略规划专家组成员，曾获国家科技进步二等奖、江苏省科技进步一等奖等多项殊荣，并任《中国科学》编委、TCAS II副主编等职。

报告题目：《大模型和EDA技术》

摘要：大模型的崛起标志着人工智能技术在知识表达和处理上的重大突破。在集成电路设计领域，大模型的应用有望解决传统方法难以克服的难题。在电路验证环节，大模型能够快速识别潜在的设计缺陷，提高验证的覆盖率和效率，甚至最后实现完全自动化的验证。在模拟电路设计方面，大模型通过对大量数据的分析，有助于发现更优的电路参数组合，提升电路性能，甚至最后实现模拟电路的专家知识库。而在电路表达方面，大模型也许可以实现电路不同阶段的对齐，实现设计左移提高原有EDA工具效率。本报告充分阐述了大模型和电路设计相结合的可能性，对于推动集成电路技术智能化和EDA的发展提供思路。

余备

香港中文大学副教授

CCF会员，香港中文大学副教授，清华大学硕士（2010），德克萨斯大学奥斯汀分校博士（2014）。他是首位获得IEEE CEDA职业发展奖的亚太区学者，多次荣获IEEE TSM、ICCAD、DATE、ASPDAC等顶级期刊和会议最佳论文奖及提名。是全球唯二同时获得ICCAD前端和后端最佳论文奖的学者。他已发表超100篇国际期刊论文及170余篇会议论文，其中超100篇为CCF-A。他创造了DAC'2024和ICCAD'2024的历史发表记录，并担任多个顶级期刊和会议的编委。因其卓越贡献，获得DAC 40岁以下杰出创新奖和香港研资局 2024研究学者奖。

报告题目：《大语言模型在 EDA 领域的应用》

摘要：在本次讲座中，我们探讨了大型语言模型(LLMs)与电子设计自动化(EDA)之间日益增长的交集。我们将评估LLMs是否代表了EDA的变革性未来，还是仅仅是一个昙花一现的幻影。通过分析当前的进展、挑战和潜在应用，我们剖析了LLMs如何能够彻底改变EDA中的设计、 验证和优化等过程。此外，我们还将思考将这些模型整合进EDA工作流的可行性。最终，本次 讲座旨在提供一个全面的、基于证据的视角，探讨LLMs在塑造EDA未来中的角色。

叶靖

中国科学院计算技术研究所副研究员

CCF高级会员，2014年在中科院计算所获博士学位，2008年在北京大学信息科学与技术学院获学士学位。研究方向包括数字集成电路EDA及AI赋能EDA、密码加速器设计(SM、PQC、同态、PUF)等。已发表SCI/EI学术论文近80篇，授权发明专利近20项。曾获中国产学研合作创新成果奖二等奖、北京市科学技术奖二等奖等。

报告题目：《AI与EDA：从点工具优化到全流程控制》

摘要：本报告概述了AI在EDA领域的主要研究与应用方向，包括代码生成、算法优化、流程控制、全流程自动化四个大方向，分享我们在论文和开源代码的调研结果，并介绍其中的一些代表性工作，包括利用神经网络优化测试向量生成、利用大模型实现高层次综合流程控制等，最后会展望AI在EDA上的产业应用。

林亦波

北京大学助理教授

CCF会员，2013年本科毕业于上海交通大学，2018年于美国德克萨斯大学奥斯汀分校获得电子与计算机工程专业博士学位。长期从事集成电路设计自动化（EDA）、机器学习辅助EDA等方面的工作。迄今为止发表论文100余篇，7次获得EDA领域旗舰会议和期刊最佳论文奖（包括DAC 2019、TCAD 2021、DATE 2022及2023）。曾担任包括DAC、ICCAD等领域内旗舰会议的技术程序委员会成员，以及领域内顶级期刊如TCAD、TODAES等审稿人及编委。

报告题目：《深度学习赋能集成电路物理设计自动化：从建模到优化方法》

摘要：物理设计在当代超大规模集成电路电路设计流程中占据着重要地位。它将电路设计映射到具体的物理版图上，并完成逻辑门的布局和物理互连。现代物理设计需要在多个设计环节之间反复迭代，以实现性能、功耗和面积的优化。这一迭代过程往往耗时极长。在当前人工智能浪潮中，以深度学习为代表的AI技术在计算机视觉、推荐系统和机器人技术等领域展现出巨大潜力。将深度学习融入集成电路设计流程已成为一条备受关注的发展路径。在本次报告中，我们将从建模和优化的角度介绍深度学习技术赋能的物理设计自动化方法，以及如何提高物理设计的性能和效率。

袁明轩

华为诺亚方舟实验室高级研究员

CCF会员，华为诺亚方舟实验室高级研究员，博士毕业于香港科技大学。当前负责诺亚方舟实验室AI4EDA算法方向工作（数据驱动优化与求解器算法研发方向）。曾带领团队完成供应链排产引擎、数字化装箱与路径优化、EDA自动测试用例生成、SAT相关算法、逻辑综合优化、布局算法、港口调度算法及电信大数据分析等项目的研发与上线。担任TKDE、KDD等A类期刊与会议审稿人，并担任EMO 2021工业主席、TETCI副主编等。

报告题目：《数据驱动的高效EDA技术与展望》

摘要：EDA是最重要的工业基础软件之一，国产EDA工具及其核心算法的研发是当前亟待完成的任务。当前，数据驱动的新一代EDA算法是广受关注的研究方向。这个报告将结合我们在AI使能EDA方向的一些工作进展和经验教训，探讨我们关于数据驱动的EDA算法尤其是结合大模型的EDA技术的相关认知与展望。

CNCC2024将于10月24-26日在浙江省东阳市横店镇举办，大会主题为“发展新质生产力，计算引领未来”。大会为期三天，包括18个特邀报告、3个大会论坛、138个专题论坛及34场专题活动和100余个展览。图灵奖获得者、两院院士、国内外顶尖学者、知名企业家在内的超过800位讲者在会上展望前沿趋势，分享创新成果。预计参会者超过万人。