在FO-WLP中,基于RL引导的模拟波束搜索用于预先指定的RDL路由

《Integration》:RL-guided simulation beam search for pre-assigned RDL routing in FO-WLP

【字体: 大 中 小 】 时间:2026年09月25日 来源:Integration 2.5

编辑推荐:

  •提出了一种基于强化学习(RL)的仿真束搜索框架,用于FO-WLP中的PA-RDL路由。•在束搜索过程中,深度Q网络(DQN)指导局部前缀扩展。•前缀级别路由可行性评估(PRRE)用于预测未来路由的影响。•该方法通过保护关键路由资源来提高路由的稳定性。•在密集型基准测试中实现了更

  
  • •
    提出了一种基于强化学习(RL)的仿真束搜索框架,用于FO-WLP中的PA-RDL路由。
  • •
    在束搜索过程中,深度Q网络(DQN)指导局部前缀扩展。
  • •
    前缀级别路由可行性评估(PRRE)用于预测未来路由的影响。
  • •
    该方法通过保护关键路由资源来提高路由的稳定性。
  • •
    在密集型基准测试中实现了更优的路由能力和更短的线长。

引言

扇出式晶圆级封装(FO-WLP)已成为高密度和高性能多芯片集成的关键技术。在这种系统中,芯片间的连接是通过一个或多个重分布层(RDL)实现的,因此RDL路由成为封装设计中的关键步骤。然而,由于路由容量有限以及输入输出(I/O)和凸点垫的密集分布,必须仔细规划路由决策以避免资源冲突。
图1展示了多芯片FO-WLP封装的物理结构以及本工作中考虑的一个代表性RDL路由场景。如图1(b)所示,路由路径必须在受限的网格内连接预先分配的I/O垫,早期路由决策可能会占用关键通道,从而限制后续网络的可行性。这种顺序性和资源限制的性质使得密集型FO-WLP设计中的RDL路由特别具有挑战性。
重分布层(RDL)路由在倒装芯片和先进封装设计中已被广泛研究。现有问题通常根据I/O到凸点映射的灵活性分为自由分配(FA)、预先分配(PA)和统一分配(UA)路由[1]。早期的研究主要集中在FA和UA场景,其中可以通过网络流量、障碍感知和几何路由公式[2]、[3]、[4]共同优化分配和路由。相比之下,PA路由更具挑战性,因为凸点分配是预先固定的,路由过程中的灵活性较低。先前的工作使用了基于整数编程的公式和高效的组合技术[5]、[6]来解决PA路由问题。然而,这些方法主要评估当前网络,并且对于评估早期路由决策如何影响后续网络的可行性能力有限。
随着扇出式晶圆级封装(FO-WLP)和异构集成的发展,RDL路由已扩展到更复杂的封装级场景。Lin等人研究了集成扇出式晶圆级封装和堆叠式封装结构的重分布路由[7]、[8]。后续工作进一步考虑了具有不规则通孔、不规则垫结构和动态通孔插入的多层路由[9]、[10]、[11]。此外,还引入了任意角度路由和层次化划分,以提高先进封装路由的几何灵活性和可扩展性[12]、[13]。相关研究还探索了芯片-封装和封装-板的协同设计,包括适用于小芯片封装系统的自适应路由、区域分配、伪单层路由和统一区域I/O分配[14]、[15]、[16]、[17]。这些研究表明,现代RDL路由必须同时处理严格的几何约束、制造规则和封装级设计交互。
同时,基于学习的方法在路由相关的EDA问题中显示出越来越大的潜力。强化学习已被应用于全局路由、在有限训练数据下的路由以及具有前瞻能力的基于搜索的路由[18]、[19]、[20]、[21]。最近,也研究了用于定制电路的RL引导的详细路由[22]。尽管这些方法表明学习可以提高路由决策,但在资源限制严格的密集型PA-RDL路由中直接应用计算成本高昂的前瞻策略仍然很困难,因为必须在每次迭代中重复评估候选路径。
总体而言,现有研究从分配优化、几何灵活性、可制造性、可扩展性和基于学习的决策支持等多个角度改进了RDL路由[3]、[4]、[5]、[7]、[8]、[9]、[10]、[11]、[12]、[14]、[15]、[16]、[17]、[22]。然而,大多数先前的方法仍然主要根据局部成本或即时可行性对路由候选者进行排序。在密集型PA-RDL路由中,这是不够的,因为一个表面上看起来有利的早期前缀可能会消耗关键路由资源,并显著降低其余网络的可行性。受此限制的启发,我们的工作重点是在顺序路由过程中进行前缀级别的未来影响评估,并将基于学习的扩展与基于仿真的束搜索相结合,以提高密集型FO-WLP PA-RDL场景中的路由能力。
本工作的主要贡献总结如下:
  • 1.
    我们提出了一个结合深度强化学习和仿真引导的束搜索的混合RDL路由框架,其中学习到的策略指导局部路径扩展,仿真过程评估长期路由可行性。
  • 2.
    我们引入了一种前缀级别路由可行性评估(PRRE)方案,从三个互补的方面评估候选路由前缀:局部路径成本、连接风险和绕行惩罚。这种设计使得搜索更具有效性和轻量级,同时考虑了路由可行性。
  • 3.
    我们在多个基准实例上验证了所提出的方法。实验结果表明,该方法在保持竞争性线长的同时,一致地提高了路由可行性。
本文的其余部分组织如下。第2节回顾了SGBS和DQN的初步知识。第3节阐述了PA-RDL路由问题。第4节详细介绍了所提出的RL引导的SGBS框架。第5节展示了实验结果。第6节总结了本文。

章节片段

仿真引导的束搜索(SGBS)

束搜索是一种宽度受限的启发式搜索策略,它在每个深度只保留前β个前缀。它通过在减少搜索空间的同时避免贪婪搜索的过度短视,提供了解决方案质量和计算成本之间的实际折中。

问题定义

给定一个预先分配的重分布层(PA-RDL)路由实例,目标是在满足路由容量和设计规则约束的情况下,为所有网络构建可行的路由路径。在所考虑的多芯片扇出式晶圆级封装(FO-WLP)场景中,芯片I/O垫和凸点垫之间的连接是预先确定的。因此,路由器不能修改I/O-凸点分配,必须严格遵守几何和路由资源

方法

给定一个预先分配的(PA)RDL路由实例,目标是在严格的容量约束下依次为所有网络路由。为此,我们提出了一个结合深度强化学习和仿真引导的束搜索的两阶段全局路由框架。
如图3所示,整个流程从预处理步骤开始,将多引脚网络分解为两引脚子网络。在第一阶段,每个子网络通过DQN引导的仿真引导的束搜索(SGBS)进行路由

实验设置

所有算法都是用C++实现的,并在相同的硬件和软件环境下进行评估。实验是在一个3.10 GHz的双核Intel Core i5 CPU上进行的,没有使用GPU加速或并行化。
设G=max(W、H)表示路由网格的最大边长。SGBS和PRRE的主要参数,包括搜索预算、候选扩展设置、评估权重和终止标准,在表1中进行了总结。主要的DQN

结论与未来工作

本文提出了一种用于密集型FO-WLP设计中PA-RDL路由的RL引导的束搜索框架。通过结合DQN引导的前缀扩展、仿真引导的束搜索和前缀级别路由可行性评估(PRRE),所提出的方法明确考虑了路由决策的未来影响,从而更有效地保护了关键路由资源。
实验结果表明,所提出的框架将路由可行性提高了1.6–10.4个百分点

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
Xinguo Deng|Guorui Miao|Jiarui Chen
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号