今日推出了业界首个用于芯片设计的自主人工智能应用程序——DSO.ai，DSO指设计空间优化(Design Space Optimization)，这是EDA行业首次将AI应用于非常复杂的设计任务中的产品。
Cadence在2020年3月18日发布了新版Cadence数字全流程。
半导体制造中，随着设计尺寸的不断缩小，光的衍射效应愈发明显，因此设计图形可能产生光学影像退化，使得光刻后的实际图形与设计不一致，Mentor创新性的运用MLOPC技术修正光学临近效应。
【北京大学发布首个面向芯片设计的AI for EDA开源数据集】
由此可见，AI for EDA是未来的发展趋势。由于训练机器学习模型需要大量数据，而在EDA领域中缺乏针对AI for EDA任务的开源数据集，导致大多数研究都只能制作小规模内部数据集来完成对方法的验证，难以充分验证机器学习模型的泛化能力，也无法充分利用不同数据集之间的知识迁移能力。
针对上述问题，北京大学黄如院士团队的林亦波研究员、王润声教授等创建了首个致力于芯片设计AI for EDA应用的开源数据集——CircuitNet，包含1万以上的数据样本，涵盖从实际制造工艺PDK下数字设计流程不同阶段中提取到的各类特征。
它有四个突出特征：一是大规模，包含1万以上的数据样本，每一份样本都来自于实际工艺PDK一次完整的商业EDA工具设计流程；二是多样性，覆盖实际设计中的不同情况与需求；三是多任务，数据集目前已支持3个常见的预测任务，并通过复现近期的论文进行了验证；四是标准化，数据经过预处理和脱敏，可通过Python脚本直接加载。
“CircuitNet数据集为芯片设计自动化流程中的机器学习任务提供数据支持，每个数据样本包括芯片设计流程各个环节的特征和性能标签，可以用来训练机器学习模型。”林亦波补充说，“但需要澄清一下，我们发布的是一个数据集，类似于计算机视觉领域的ImageNet数据集，用来帮助产业界和学术界探索AI for EDA技术，我们也提供了一些机器学习任务的应用演示用来验证数据集的有效性，但并非一个EDA软件。目前国内外并没有专门针对AI for EDA的开源数据集，我们希望CircuitNet可以为该方向的研究提供数据支持，推进该方向进一步发展。下一步，北大团队将增加先进工艺节点和大规模电路设计的数据样本，以拓展数据集的规模、多样性和先进性。”
此外，北京大学集成电路学院成立了国内高校首个聚焦于EDA技术的“设计自动化与计算系统系”，教学科研内容涵盖了从器件级、芯片级到系统级的完整EDA技术链条，将持续为我国EDA产业输送高端人才。
