ICCAD，国际计算机辅助设计会议（International Conference on Computer-Aided Design），是全球电子设计自动化（EDA）领域的顶级学术会议之一。自1982年创办以来，ICCAD一直致力于推动计算机辅助设计和电子设计自动化领域的前沿研究和技术创新。会议每年举办一次，吸引了来自世界各地的学者、研究人员、工程师和企业界人士参与。ICCAD的主要议题涵盖了广泛的领域，包括集成电路设计与优化、计算机辅助设计工具与算法、系统级设计与嵌入式系统、设计自动化与人工智能，以及可靠性与安全性。
集成电路设计与优化讨论最新的集成电路设计方法和优化技术，以提高电路性能和减少功耗；计算机辅助设计工具与算法则介绍和评估新型CAD工具和算法，用于电子系统的设计、验证和测试；系统级设计与嵌入式系统探讨系统级设计技术和嵌入式系统的最新进展，包括硬件与软件协同设计；设计自动化与人工智能研究如何利用人工智能和机器学习技术提升EDA工具的智能化水平和自动化能力；可靠性与安全性关注电子系统设计中的可靠性和安全性问题，提出相应的解决方案和技术。
ICCAD不仅提供了一个展示最新研究成果的平台，还通过技术研讨会、专题讲座和展览等形式，促进了学术界与工业界的交流与合作。与会者可以在这里了解到行业最新的发展趋势，探讨未来的发展方向，并建立广泛的学术和业务联系。作为EDA领域最重要的会议之一，ICCAD对推动电子设计自动化技术的发展和应用具有重要的意义。
ICCAD William J. McCalla最佳论文奖
2000年ICCAD William J. McCalla最佳论文奖首次颁发。
ICCAD William J. McCalla最佳论文奖由IEEE电子设计自动化委员会（IEEE CEDA）和ACM设计自动化特别兴趣小组（ACM SIGDA）联合发起，是为了纪念于1999年9月14日去世的William J. McCalla博士对计算机辅助电路设计及仿真技术的发展以及ICCAD会议的开创性贡献。
2011年增加了十年回顾最具影响力奖（Most Influential Awards），表彰在过去十年，对集成电路计算机辅助设计的研究和工业实践最具影响力的论文。
2012年最佳论文奖分成前端和后端两个奖项。
此后，各奖项一直延续至今！
中国内地EDA的希望
1987年也是我国熊猫集成电路CAD系统启动的年份。在这一年，中国内地也第一次在ICCAD亮相。
从清华大学在ICCAD1987发表中国内地第一篇论文以来，截止ICCAD2024，中国内地共发表299篇论文。其中近五年发表188篇，占比超过60%；仅ICCAD2024中国内地共计发表论文81篇。
根据ICCAD2024 Program，中国内地的浙江大学和中国科学院微电子所分别获得ICCAD2024前端最佳论文奖、后端最佳论文奖，实现大满贯！
在此之前，由同一个国家包揽前端和后端最佳论文奖的仅有一次，也是来自中国的机构，那是由香港科技大学张薇教授和香港中文大学杨凤如教授在2017年实现。目前两位一作都回到内地工作。前端最佳论文一作赵杰茹博士2020年加入上海交通大学任教；后端最佳论文一作陈耿杰博士已经入职国内顶级公司从事EDA研发工作。
最佳论文提名文章亮点工作
在获得ICCAD最佳论文奖之前，中国内地机构曾在2006年首获最佳论文提名，历史上有七篇论文获得最佳论文提名。
下面将介绍最佳论文提名文章的亮点工作。在此要感谢各位老师的支持！
ICCAD2006最佳论文提名
《Efficient Process-Hotspot Detection Using Range Pattern Matching》
一作：姚海龙02级博士生，清华大学计算机系；共同作者：洪先龙、蔡懿慈，Synopsys的Subarna Sinha、Charles C. Chiang
ICCAD2013最佳论文提名
《Layout Decomposition with Pairwise Coloring for Multiple Patterning Lithography》
一作：张也，博士生
通讯作者：严昌浩教授、曾璇教授（复旦大学微电子学院）
论文亮点：
针对三重图案光刻技术，该研究工作提出了基于循环配对着⾊算法的版图分解⽅法。每个循环中，三着⾊问题被分解成若⼲⼆着⾊问题，通过采⽤已有的⼆着⾊算法优化三着⾊的解。为了解决循环配对着⾊的求解速度，本工作采⽤了基于SPQR树的⼆着⾊算法。另⼀⽅⾯，为了使三着⾊解跳出局部最优，采⽤⾃适应多起始点算法⽣成起始点，⾼效探索新的局部区域。相⽐于基于半定规划的⽅法，算法求解质量和求解速度分别提⾼15.1%和42.1%。另外，由于复用已有⼆着⾊技术，大大降低⼯具开发成本，具有重要实际意义。
ICCAD2018最佳论文提名
《Analytical Solution of Poisson's Equation and Its Application to VLSI Global Placement》
一作及通讯作者：朱文兴教授，福州大学数学与计算机科学学院
论文亮点：
布局是超大规模集成电路物理设计自动化的主要环节之一，其中总体布局很大程度上决定了布局的质量。总体布局问题当前的主流方法采用了模拟静电系统用于单元散开的泊松方程模型，然而算法中需要用谱方法求解该偏微分方程，并与最优化算法进行交替迭代。为解决此问题，该工作精确定义了电路单元的分布函数，准确刻画了电路单元分布的密度函数，推导了泊松方程的解析解，避免了优化的每次迭代需要数值求解偏微分方程。该工作所构造的总体布局算法采用了一系列技巧，如快速傅立叶变换、预条件和罚参数调整策略等，使得总体布局算法的速度快，效果优于基准算法。该文的方法及思想已被用于解决集成电路布图规划、混合大小模块布局、2.5D FPGA布局和热仿真等问题。
ICCAD2020最佳论文提名
《Optimally Approximated and Unbiased Floating-Point Multiplier with Runtime Configurability》
一作：陈闯涛，21届本科生（浙江大学电气工程学院）
通讯作者：尹勋钊研究员（浙江大学信息与电子学院）、卓成教授（浙江大学集成电路学院）
一作陈闯涛目前在Technische Universität München攻读博士学位。
论文亮点：
近似计算是提升边缘IoT设备能效的关键策略。本研究提出了一种高能效、具有运行时可配置性和无偏误差特性的浮点乘法器，主要创新点包括：
1、理论指导的乘法算法设计
通过对浮点乘法的深入理论分析，将乘法近似问题转化为一个优化问题，直接指导浮点乘法器的算法设计，确保误差在分布上保持对称性，从而有效消除累积误差的风险，实现理论最优的逼近效果。
2、多级架构与线性复杂度
设计了一种多级并行架构，支持运行时的灵活配置，通过逐级的误差补偿来逐步提高计算精度。与传统的浮点乘法器相比，该架构的电路实现复杂度仅线性依赖于精度需求，而不是指数或二次方依赖，从而显著降低了硬件实现的复杂性和成本。
3、系统性优化与无偏误差保障
采用系统化的优化方法，确保逼近过程中无偏误差的分布特性，从而在不同精度要求下保持稳定的计算性能和能效，使得乘法器在各种应用场景中均能提供高效且可靠的计算能力。
与商用浮点乘法器 IP 相比，该研究工作在精度、面积和延迟等方面均具有显著优势，尤其是在相同硬件复杂度下实现了更低的误差和更高的能效。在多个机器学习任务中的实验结果表明，即使在最低级别的近似条件下，该乘法器也能实现高达 1-2 个数量级的能效提升，同时保持几乎无精度损失。
ICCAD2021最佳论文提名
《pGRASS-Solver: A Parallel Iterative Solver for Scalable Power Grid Analysis Based on Graph Spectral Sparsification》
一作：刘志强，20级直博生
通讯作者：喻文健教授（清华大学计算机科学与技术系）
论文亮点：
随着集成电路与系统的发展，供电网络的规模越来越庞大，使得对其分析、计算其节点电压成为一个严峻的挑战。求解供电网络的电路方程主要采用并行区域分解法和基于谱图稀疏化的迭代解法。区域分解法需要形成表示子区域间节点关系的稠密舒尔补矩阵，对其计算与分解的开销可能比求解原问题还大。对稀疏矩阵的迭代解法内存用量小，但迭代收敛速度与收敛性是主要的难点，近年来提出的谱图稀疏化技术构造预条件子，可以稳定地提高收敛速度，但现有工作均为串行算法的研究。
清华大学喻文健教授团队提出将区域分解与谱图稀疏化结合的方法，包括并行的谱图稀疏化、以及使用区域分解法对由稀疏子图得到预条件子进行并行求解的技术，它继承了谱图稀疏化带来的良好迭代收敛性，同时实现高效率并行计算。在一台16核CPU、512GB内存机器上的实验表明，该方法相比串行的谱图稀疏化迭代解法有5.5倍的平均加速，相比前人的并行供电网络仿真算法有5.2倍的平均加速。对一个实际的含3.6亿节点、42亿条边的供电网络，它的求解用时仅为23分钟，比串行算法快9.5倍。这是首次报道在一台普通的16核计算机上仅用不到半小时的时间求解如此大规模的供电网络。
ICCAD2022最佳论文提名
《DeePEB: A Neural Partial Differential Equation Solver for Post Exposure Baking Simulation in Lithography》
一作：王启盼，21级直博生
通讯作者：林亦波研究员、王润声教授（北京大学集成电路学院）
论文亮点：
光刻是集成电路制造的重要步骤，在光光刻工艺的EDA软件中，光刻仿真需要求解一系列复杂的偏微分方程，以验证芯片版图的刻蚀效果；同时，光刻仿真的结果也用于指导版图设计优化。为了提高光刻仿真的效率，近年来，基于机器学习的仿真算法受到广泛关注。然而，现有算法主要关注曝光过程，忽略了与光刻胶息息相关的后烘和显影过程。林亦波研究员和王润声教授等首次提出了基于后烘物理机制的深度光刻仿真算法，利用傅里叶神经算子和定制卷积网络学习后烘过程的高频和低频动力学行为。该算法在28nm及以下工艺节点的版图上进行了仿真验证。在保持高精度仿真的同时，实现了100倍以上的效率提升。该算法拓展了机器学习在光刻仿真中的应用，也为快速版图优化提供了新思路。
ICCAD2023最佳论文提名
《OPT: Optimal Proposal Transfer for Efficient Yield Optimization for Analog and SRAM Circuits》
一作：刘艳芳，22级硕士生
通讯作者：邢炜助理教授（北京航空航天大学集成电路科学与工程学院）
论文亮点：
该研究工作针对模拟和SRAM电路量率优化这一集成电路设计中的核心挑战，提出了一种创新的量率优化框架OPT (Optimal Proposal Transfer)。随着集成电路制造工艺进入纳米尺度，工艺变异导致的性能偏差和量率下降问题日益严重，特别是在模拟和混合信号CMOS电路领域。然而，传统的量率优化方法计算成本高昂，且优化过程难以处理。
OPT框架通过巧妙结合先进的机器学习技术和统计方法，有效解决了这些挑战，具有以下创新点和优势：
统计视角的创新诠释：研究团队首次从拉普拉斯近似的角度重新诠释了最先进的ASAIS (All Sensitivity Adversarial Importance Sampling)良率优化方法。这一新颖的统计视角不仅揭示了ASAIS的内在局限性，还为改进提供了理论基础，开创了量率优化研究的新方向。
条件归一化流的引入：OPT首次将条件归一化流(CNF)引入量率优化领域，实现了高效的重要性采样的采样分布对不同系统参数的知识迁移。这一创新性的应用巧妙地结合了重要性采样方法的可靠性和代理方法的高效性，克服了两者各自的局限，为量率优化提供了一个强大而灵活的工具。
针对良率估计的不确定性量方法的创新：研究团队提出的序列集成方法是首个为量率问题量身定制的不确定性估计方法。这一方法的独特之处在于无需额外的代理模型即可实现准确的不确定性估计，赋能贝叶斯优化等下游算法，同时提高了模型的可靠性。
卓越的实验性能：OPT在多个真实电路基准测试中展现出优异的性能。与5种最先进的基线方法相比，OPT在几乎所有情况下都实现了显著的提升，平均加速5.57倍，最高达到11.94倍，大幅提升了优化效率；在所有实验中表现出卓越的鲁棒性和一致性，证明了OPT方法的可靠性和稳定性。
该研究工作为高效、稳健的模拟和SRAM电路产率优化提供了一种新的解决方案，具有重要的理论创新和实际应用价值。OPT框架的提出不仅推动了产率优化技术的发展，还为解决纳米尺度集成电路设计中的关键挑战提供了新的思路和方法。这项研究的成果有望在未来的集成电路设计和制造中发挥重要作用，助力提高芯片性能和可靠性，降低生产成本。
欢迎有志于EDA产业的学子选择报考研究生。
（排名不分先后，按姓氏拼音排序）
林亦波是北京大学集成电路学院教授，研究领域是集成电路设计自动化（EDA），机器学习应用，异构硬件加速算法。
王润声是北京大学集成电路学院教授，研究领域包括微纳电子新器件、可靠性与表征技术、EDA技术、新范式计算架构与电路。
邢炜是北京航空航天大学集成电路科学与工程学院助理教授，主要研究领域人工智能算法与工程设计、不确定性分析和大规模传感器网络的交叉性。
严昌浩是复旦大学微电子学院教授，研究方向包括：集成电路电子设计自动化（CAD/EDA）、模拟电路设计自动化、超大规模并行计算、可制造性设计（DFM）、寄生参数提取。
姚海龙是北京科技大学教授，研究方向是集成电路电子设计自动化（EDA）、微流控生物芯片EDA。
尹勋钊是浙江大学浙江大学信息与电子学院研究员，主要研究方向包括：新型器件、电路、架构跨层协同设计，存内计算，类脑计算，新型计算专用集成芯片设计，深度学习硬件加速。
喻文健是清华大学计算机科学与技术系教授，主要研究方向是集成电路建模与仿真，特别是在寄生参数提取领域。
曾璇是复旦大学微电子学院教授，研究方向包括模拟电路设计自动化、高速互连电路分析和综合、可制造性设计（DFM）、并行EDA算法。
朱文兴是福州大学数学与计算机科学学院教授，研究方向是超大规模集成电路计算机辅助设计、机器学习和优化理论与算法研究。
卓成是浙江大学集成电路学院教授，主要研究领域为集成电路设计和设计自动化（EDA），包括设计-制造协同，低功耗电路与系统，深度学习算法及硬件加速，电源及信号完整性等。
