北京大学计算机系林亦波老师芯片设计软件组招收实习生
课题组活跃于当今"卡脖子"的芯片设计自动化(EDA)软件前沿，专攻高效高性能仿真求解，机器学习辅助优化算法等。相关成果在英伟达、东芝存储、Cadence 等国际知名公司应用。
自 2019 年以来，课题组的本科实习生已经发表了 6 篇以上领域顶级会议论文。
相关课题介绍
1. 图算法异构计算
芯片设计流程涉及大量图算法，如布局布线、时序分析等，均是在图上进行计算，耗费了大量运行时间。传统以多线程 CPU 为运行平台的仿真/优化算法遇到了带宽、并行度和吞吐量的瓶颈，无法满足越来越复杂设计需求。通过 GPU 和 FPGA 这类计算资源构建异构计算平台，加速传统设计自动化算法已经成为一种趋势。课题组针对 EDA 中的图计算问题研究异构算法，发布了世界首个 GPU 加速的开源布局优化软件 DREAMPlace，已经在业界多家公司得到应用 [DAC'19, TCAD'20]；近期提出了世界首个全 GPU 加速的时序验证软件，也引起了广泛的关注 [ICCAD'20, ICCAD'21]。
2. 机器学习辅助 ASIC/FPGA 布局布线优化算法
AI for EDA 是解决芯片设计中跨层次优化问题的重要手段。利用 AI 建立跨层次预测模型，能够帮助求解器筛选优等解，剪枝劣等解，提高整体优化性能。课题组在针对 ASIC 和 FPGA 布局布线这类组合优化问题深入探索，提出了利用卷积神经网络预测布线拥塞 [ASPDAC'20]，利用图神经网络预测电路约束 [ASPDAC'21]，利用强化学习搜索最优布线顺序 [DATE'21] 等技术，刷新了 SOTA 成绩。
3. 交互式模拟版图自动化算法
模拟电路长期以来依靠手工绘制版图，工作繁琐枯燥，设计效率低下。模拟版图自动化已经成为了近 5 年探索的热点，包括美国国防部高等计划研究署(DARPA)在内的多个机构资助了多个模拟版图自动化项目，推动模拟电路设计方法的变革。课题组基于人机交互的设计理念，提出了首个交互式模拟版图编辑软件方案，填补了全自动版图生成与手工版图生成的性能差距 [DAC'21]。该方案有望将设计师的工作效率提升多个数量级，已有多家模拟电路设计公司对该方案表达了兴趣。
导师简介
林亦波老师是北京大学计算机系助理教授(2019 年入职北大)，北大博雅青年学者，博士生导师。他分别于 2013 年和 2018 年在上海交通大学和 UT Austin 获得学士和博士学位。他的主要研究兴趣包括芯片设计自动化软件、机器学习应用、GPU/FPGA 加速算法等。
他已在国际顶级会议和期刊发表70多篇论文，并多次获得国际会议最佳论文奖(DAC, ISPD, Integration, SPIE)，并发布了多个业界领先的开源软件。他还多次担任国际顶级会议 DAC、ICCAD 等的技术程序委员会(TPC)成员。
实验室还招收2022年入学的申请考核制博士生(普博，硕士起点)，欢迎申请。
实习生要求
现实验室招收若干大一、大二、大三实习生(目前仍有 2023 级及之后的博士名额)。
EDA 是一门交叉学科，实验室欢迎计算机、智能、电子、微电子、数学、物理等相关背景的同学。
实习生将作为合作者参与进行中的研究项目或发掘新课题，同步获得导师和高年级学生的指导，面向实际问题解决技术挑战，提炼科学问题并发表高水平学术论文。
投递方式
请附上个人简历及成绩单，注明个人基本信息和特长。