OpenROAD项目中MPL宏布局引擎边界距离计算问题分析
2025-07-06 12:04:19作者:邓越浪Henry
问题背景
在OpenROAD项目的宏布局引擎(MPL)中,发现了一个关于边界距离计算的缺陷。该问题主要影响宏布局过程中对未约束I/O簇(unconstrained ios cluster)的处理,导致在非零层级(non-zero level)进行模拟退火(SA)布局时,边界距离计算出现偏差。
问题本质
核心问题在于边界距离计算时缺少了必要的偏移补偿。在宏布局过程中:
- 对于固定终端(fixed terminals),系统能够自动进行偏移补偿
- 但对于未约束的I/O簇,系统直接基于芯片形状(die shape)计算到边界的距离,而没有考虑当前父级偏移(parent offset)的影响
这种不一致性导致在层级不为0的情况下,边界距离计算出现错误,可能影响最终的布局质量。
技术影响
这种计算偏差可能导致:
- 宏单元布局位置不准确,特别是靠近边界区域的单元
- 在层次化设计中,子模块的布局可能偏离预期位置
- 可能影响后续的布线阶段,导致布线拥塞或时序问题
解决方案
正确的处理方式是在计算未约束I/O簇的边界距离时,应用与固定终端相同的偏移补偿机制。具体需要:
- 识别当前布局层级
- 获取父级模块的偏移量
- 在计算到边界距离时,将芯片形状根据当前父级偏移进行重新定位
- 确保所有边界距离计算使用统一的补偿机制
实现考量
在实现修正方案时,需要考虑:
- 偏移补偿的计算效率,避免影响布局速度
- 与现有布局引擎其他组件的兼容性
- 不同层级间偏移传递的正确性
- 边界条件的处理,特别是对于部分重叠或特殊形状的模块
总结
OpenROAD的MPL引擎中发现的这一边界距离计算问题,揭示了在层次化布局中偏移处理的重要性。通过统一所有组件的偏移补偿机制,可以确保布局引擎在不同层级下都能正确计算边界约束,从而提高整体布局质量。这类问题的修复也体现了EDA工具开发中对几何计算精确性的严格要求。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.JavaScript01
idea-claude-code-gui一个功能强大的 IntelliJ IDEA 插件,为开发者提供 Claude Code 和 OpenAI Codex 双 AI 工具的可视化操作界面,让 AI 辅助编程变得更加高效和直观。Java01
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility.Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
518
3.69 K
暂无简介
Dart
760
182
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++
875
568
🔥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
67
20
Ascend Extension for PyTorch
Python
321
371
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
12
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.05 K
522
openEuler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。
C
334
160
React Native鸿蒙化仓库
JavaScript
300
347