AI出手，半导体模拟版图设计效率拉满

韩国浦项科技大学（POSTECH）的研究人员开发出一种AI方法，解决了模拟半导体版图设计中的关键瓶颈问题，此前该流程高度依赖工程师的经验。相关研究成果近期发表于《IEEE 电路与系统汇刊 I：常规论文》（IEEE Transactions on Circuits and Systems I: Regular Papers）。

半导体广泛应用于智能手机、汽车、AI 服务器等各类技术产品中。然而，模拟版图设计仍难以实现自动化，因为设计人员必须手动排布决定性能与可靠性的电路结构，同时满足大量设计规则。

模拟设计的自动化难度尤其突出，原因在于版图结构过于复杂，且不同电路的设计策略差异巨大。此外，由于版图数据通常被视为企业核心机密，极少在公司外部共享，导致训练数据极度稀缺。

浦项科技大学电气工程系金炳燮（Byungsub Kim）教授团队将研究重点放在基础模型（foundation model） 方法上。基础模型先在大规模数据上进行预训练，之后只需少量额外训练，即可适配不同的下游任务。研究人员将这一思路应用于模拟版图设计。

其核心方法是自监督学习，模型无需人工标注标签即可自主学习。研究团队将模拟版图切分为小块，对部分区域进行掩码处理，让模型预测被遮挡的版图元素。通过这一方式，研究人员从 6 个真实版图数据集中生成了约 32 万个训练样本。

预训练完成后，模型掌握了模拟版图中常见的重复结构与规律模式。在仅使用少量额外数据的情况下，该模型被成功适配到五项版图相关任务：接触孔生成、通孔生成、伪图案插入、N 阱生成与金属布线。实验结果显示，模型生成的版图中，有96.6% 同时通过了设计规则检查（DRC）与版图原理图一致性验证（LVS）。团队还指出，该方法仅需传统方案八分之一的数据量，就能达到相近性能。

该研究表明，单一基础模型可用于多种模拟版图任务，减少了为每项任务单独构建模型的需求。研究人员表示，该方法能够减轻设计工作量、缩短开发周期，提升半导体设计效率。

“这项研究显著提升了模拟半导体版图设计自动化的实际可行性，而这一领域长期受数据稀缺问题制约。” 金教授表示。论文第一作者郑成律（Sungyu Jeong） 称：“本研究的核心贡献在于提出了支持大规模学习的方法论。” 他补充道：“我们的目标是收集更多数据，持续将基础模型优化到可实际商用的水平。”

本研究由金炳燮教授、博士研究生郑成律、崔元俊、崔俊雄以及硕士毕业生阿尼克・比斯瓦斯（现就职于三星电子）共同完成。