Vengineerの妄想

人生を妄想しています。

Google AlphaChip! のソースコードを覗いてみた！

はじめに

Google が AlphaChip! を発表しました。

2021年に nature にて発表した

のアップグレードのようです。

ソースコードも公開されたので、ちょっと覗いてみました。。。

AlphaChip!

Nature の論文

Google Blog

github

checkpoint

dreamplace

ソースコードの中の、「dreamplace」なるものを見つけました。

github.com

SoftMacroPlacer クラスがあって、

class SoftMacroPlacer:
  """A soft macro placer using Dreamplace."""

optimize_using_dreamplace 関数の中で、SoftMacroPlacer クラスを読んでいます。

def optimize_using_dreamplace(
    plc, params, output_dir=None, hard_macro_movable=False
):
  """Optimzes using Dreamplace."""
  # Initialization, slow but only happens once.
  start_init_time = time.time()
  placer = SoftMacroPlacer(plc, params, enable_timeout=False)
  if hard_macro_movable:
    placer.placedb_plc.update_num_non_movable_macros(
        plc, num_non_movable_macros=0
    )

SoftPlacer の place 関数を呼んでいます。

  # Dreamplace optimzation.
  start_opt_time = time.time()
  placer.place()
  logging.info(
      'Dreamplace optimization took %g seconds.', time.time() - start_opt_time
  )

結果の書き出し。

  # Write the optimized stdcell location back to the plc. This step may be
  # omitted if the Dreamplace reported density can be used in our cost function
  # directly.
  start_write_time = time.time()
  placer.placedb_plc.write_movable_locations_to_plc(plc)

optimize_using_dreamplace 関数は、dreamplace_main.py の main 関数で呼ばれています。

def main(argv):
  if len(argv) > 1:
    raise app.UsageError('Too many command-line arguments.')

  random.seed(_SEED.value)
  np.random.seed(_SEED.value)
  torch.manual_seed(_SEED.value)
  # NOTE(hqzhu): pass args of netlist info to load_plc instead of using flags.
  plc = dreamplace_util.load_plc(
      netlist_file=_NETLIST_FILE.value,
      output_dir=_OUTPUT_DIR.value,
      init_placement=_INIT_PLACEMENT.value,
  )
  canvas_width, canvas_height = plc.get_canvas_width_height()
  regioning = plc.has_area_constraint()
  dp_params = dreamplace_util.get_dreamplace_params(
      canvas_width=canvas_width,
      canvas_height=canvas_height,
      regioning=regioning,
      gpu=_DP_GPU.value,
  )
  if _DP_GPU.value:
    torch.cuda.init()
  dreamplace_core.optimize_using_dreamplace(
      plc, dp_params, _OUTPUT_DIR.value, _DP_HARD_MACRO_MOVABLE.value
  )

下記の部分でネットリストを読み込んでいます。

  plc = dreamplace_util.load_plc(
      netlist_file=_NETLIST_FILE.value,
      output_dir=_OUTPUT_DIR.value,
      init_placement=_INIT_PLACEMENT.value,
  )

load_plc 関数は、下記のようになっています。

def load_plc(netlist_file, output_dir, init_placement=None):
  """Loads the netlist and initial plc."""
  t = time.time()
  plc = util.create_placement_cost(
      netlist_file=netlist_file, init_placement=init_placement
  )
  duration = time.time() - t
  print_and_save_result(
      plc, duration, 'Loading initial PLC', 'dreamplace_initial', output_dir
  )
  return plc

create_placement_cost　関数の中で、ネットリストからコストモデルを生成していますね。

# The routing capacities are calculated based on the public information about
# 7nm technology (https://en.wikichip.org/wiki/7_nm_lithography_process)
# with an arbitrary, yet reasonable, assumption of 18% of the tracks for
# the power grids.
@gin.configurable
def create_placement_cost(

Circuit Training Netlist Representation

Netlist の表現としては、

というドキュメントがあります。

おわりに

AlphaChip!

ソースコードが公開されているので、もうちょっと追い込むと何かが分かるかもしれませんね。