实验室博士生姜聪的论文“Generalizable Lithographic Hotspot Detection Using Asynchronous Meta-Learning with Only One Shot”被IEEE/ACM Design Automation Conference (DAC’25)录用。

随着制造工艺的发展，芯片设计版图的规模越来越大，且特征尺寸急剧缩小，导致传统EDA在版图优化方面面临挑战。基于深度学习的光刻热点检测成为先进制程中对超大规模芯片版图实现快速、准确光刻热点检测的关键技术。然而， 现有光刻热点检测模型在训练过程中所使用的芯片版图布局模式远少于实际应用场景中待检测的版图布局模式的数量，导致模型在泛化到不同的芯片设计版图上时面临检测准确率下降的问题.

为了解决光刻热点检测模型的泛化性不足问题，博士生姜聪在刘康副教授的指导下提出了基于异步更新元学习的芯片版图光刻热点检测算法，此工作采用改进后的元学习方案，通过异步更新特征提取和分类组件，获得可通过单个版图局部布局模式快速适应新设计的元初始化模型。同时，本工作提出基于版图拓扑的采样策略来增强少样本适应的泛化稳定性。在ICCAD 2012和2019数据集上的实验结果表明，相较于现有技术，所提出的框架在未见新设计上展现出更优越的泛化能力。

模型总体架构