Forscher am Indian Institute of Technology Guwahati (IITG) haben einen bedeutenden Durchbruch in der elektronischen Entwurfsautomatisierung (EDA) erzielt, indem sie ein innovatives Machine-Learning (ML)-Framework namens “LEAP” entwickelt haben. Diese fortschrittliche Lösung optimiert den Designprozess von integrierten Schaltungen (ICs), einem wichtigen Element der 600 Milliarden Dollar schweren Halbleiterindustrie, die moderne elektronische Geräte unterstützt. Die Schaffung von ICs ist stark von EDA-Software abhängig, die hochrangige Designs in ein Herstellungsformat namens Graphic Design System (GDS) umwandelt.
Das Design von ICs stellt jedoch komplexe Herausforderungen dar, die oft schwer zu lösen sind. Traditionelle Methoden stützen sich häufig auf heuristische Techniken – effiziente Problemlösungsstrategien, die zufriedenstellende Lösungen bieten, jedoch nicht unbedingt die optimalen. Um diese Herausforderungen zu überwinden, haben Prof. Chandan Karfa, Associate Professor, und Dr. Sukanta Bhattacharjee, Assistant Professor des Fachbereichs Informatik und Ingenieurwissenschaften am IIT Guwahati, zusammen mit ihren BTech-Studenten Chandrabhushan Reddy Chigarapally und Harshwardhan Nitin Bhakkad Machine Learning eingesetzt, um die Effizienz im IC-Design zu verbessern.
In umfangreichen Tests über 21 verschiedene Designs erzielte das LEAP-Framework eine Verbesserung der Laufzeit um 50% und reduzierte die Anzahl der überprüften Konfigurationen um über 51%. Im Vergleich zu erschöpfenden Mapping-Methoden liefert LEAP ähnliche Leistungsergebnisse, während es 63% weniger Konfigurationen verwendet und die Laufzeit des Open-Source ABC EDA-Tools signifikant verbessert. Diese Forschung hat bedeutende Auswirkungen auf die Halbleiterindustrie, die für die Entwicklung von elektronischen Geräten wie Smartphones und Computern entscheidend ist.
Durch die Optimierung des IC-Designprozesses mit dem LEAP-Framework können Forscher die Designzeit verkürzen und die Leistung verbessern. Dies führt zu schnelleren, effizienteren elektronischen Geräten mit geringerem Energieverbrauch, was Verbrauchern zugute kommt und Innovationen in verschiedenen Technologiebereichen fördert. Die vielversprechenden Ergebnisse dieser Forschung wurden auf der ACM/IEEE International Conference on Computer-Aided Design (ICCAD 2024) veröffentlicht.