OpenROAD项目中MPL宏布局忽略固定引脚位置的问题分析
2025-07-06 16:53:08作者:吴年前Myrtle
问题背景
在OpenROAD项目的宏布局(MPL)模块中,近期发现了一个影响宏布局质量的重要问题:布局算法不再考虑FIRM/FIXED类型引脚的位置信息。这类引脚通常由设计人员手动放置,其位置在后续的物理引脚布局(PPL)阶段不会改变。当这些固定引脚的位置信息被忽略时,会导致宏单元布局结果不理想,特别是当这些引脚位于芯片特定区域时。
问题表现
通过一个实际测试案例可以清晰地观察到这个问题。在io_constraints11测试用例中,设计人员手动将两个引脚固定在芯片右侧区域。按照预期,宏单元应该被放置在靠近这些固定引脚的右侧区域,以优化互连性能。然而实际布局结果却是宏单元被放置在芯片的左边缘,与固定引脚相距甚远,这显然不是最优的布局方案。
技术分析
宏布局算法在考虑引脚位置时,应该区分不同类型的引脚约束:
- FIXED引脚:完全固定的引脚,位置由设计人员明确指定且不可更改
- FIRM引脚:位置基本固定,但允许微调
- 非约束引脚:位置完全由工具决定
在当前版本的MPL实现中,算法对所有引脚一视同仁,没有特别处理FIXED和FIRM引脚。这导致算法无法利用这些重要的人工布局信息,从而产生次优的宏布局结果。
解决方案建议
针对这个问题,建议修改MPL算法,使其能够:
- 识别并区分FIXED/FIRM引脚与其他引脚
- 在宏布局阶段优先考虑FIXED引脚的位置信息
- 适当考虑FIRM引脚的初始位置
- 将固定引脚的位置作为宏布局的重要约束条件
这种改进将使得宏布局结果更加符合设计人员的预期,特别是在需要手动优化关键路径的场景下。同时,这种修改也符合物理设计的基本原理:人工指定的约束应该优先于自动布局的考虑因素。
实现考量
在具体实现上,需要注意以下几点:
- 权重分配:固定引脚的影响权重应该高于其他因素
- 平衡处理:在多个固定引脚存在冲突时,需要合理的仲裁机制
- 性能影响:新增的约束条件不应显著降低布局速度
- 兼容性:修改后的算法应保持与现有流程的兼容性
总结
OpenROAD的MPL模块忽略固定引脚位置的问题,反映了在自动化布局工具中人工约束与算法决策之间的平衡问题。修复这个问题不仅能提高当前测试用例的布局质量,也能增强工具在实际设计场景中的实用性。对于物理设计工程师而言,这种改进意味着他们能够通过手动引脚布局更精确地引导宏布局结果,从而获得更好的设计质量。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C045
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0122
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
699
162
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
696
374
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.23 K
675
Ascend Extension for PyTorch
Python
243
281
React Native鸿蒙化仓库
JavaScript
271
328